
無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。
ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。
携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。
データサイエンティスト養成読本 [ビッグデータ時代のビジネスを支えるデータ分析力が身につく! ] (Software Design plus) 大型本 – 2013/8/8
この商品には新版があります:
企業は「ビッグデータ」時代を迎え、戦略上の意思決定をデータから得られる判断に委ねようとしています。ビッグデータを背景にしてあらわれた「データサイエンティスト」は、データ収集に関するエンジニアリングの技術だけでなく、統計を用いたデータ分析や問題解決能力などビジネス面にもわたる知識を必要とします。本書ではデータサイエンスの基本となる考え方、R言語によるデータ分析の基礎、大規模データマイニング事例など「データサイエンティスト」がおさえておきたい知識を解説します。
- 本の長さ152ページ
- 言語日本語
- 出版社技術評論社
- 発売日2013/8/8
- ISBN-104774158968
- ISBN-13978-4774158969
この商品をチェックした人はこんな商品もチェックしています
ページ 1 以下のうち 1 最初から観るページ 1 以下のうち 1
登録情報
- 出版社 : 技術評論社 (2013/8/8)
- 発売日 : 2013/8/8
- 言語 : 日本語
- 大型本 : 152ページ
- ISBN-10 : 4774158968
- ISBN-13 : 978-4774158969
- Amazon 売れ筋ランキング: - 769,885位本 (本の売れ筋ランキングを見る)
- - 905位データベース (本)
- カスタマーレビュー:
著者について
著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
R言語の東京コミュニティTokyo.R創立者。ヤフー株式会社で、推薦ロジックや株価の予測モデル構築など分析業務を経て、株式会社ディー・エヌ・エーで大規模データマイニングやマーケティング分析業務に従事。その後、株式会社ドリコムにて、データ分析環境の構築やソーシャルゲーム、メディア、広告のデータ分析業を経て、DATUM STUDIO株式会社を設立。
著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう
-
トップレビュー
上位レビュー、対象国: 日本
レビューのフィルタリング中に問題が発生しました。後でもう一度試してください。
2018年4月10日に日本でレビュー済み
Amazonで購入
浅く広くといった感じで、なんとなくRやPythonを使ってみようと思ってる方にはちょうどよい本です。
2013年12月8日に日本でレビュー済み
内容はごく初歩的なもので、各テーマについて深く踏み込んだ内容はない。章によっては、分析手法について名前を上げているだけで、説明の体をなしていない。(逆に混乱する。)したがって、これを読めば実務に役立つレベルのスキルが身につくということはなく、そこは各々自分で補って行かなければいけないので、専門書など次へのステップアップのための助けとなる文献リストなどをもう少し充実させても良かったのではないだろうか。データサイエンティストにどのような知識や役割が求められているのか、概観するには役に立つかもしれない。
2013年8月31日に日本でレビュー済み
Amazonで購入
データサイエンティストという職業を最近よく聞きます。具体的にどのようなことをされているのかを知るためには最適な本と思います。RやPythonでの解析例を紹介されているので、実際に自分の手で解析することができます。簡単に自分のデータに応用できるので、ただ単に職業内容を紹介したり、対象の分野の話をまとめただけの本とは違い、非常に参考になりました。
2014年7月15日に日本でレビュー済み
Amazonで購入
本書はムック本形式です。
その中で私が良かったと思った記事は以下の2つでした。
・「データ分析実践入門」の「Rで統計解析をはじめよう」
・「データ分析のためにこれだけは覚えておきたい基礎知識」の「Webスクレイピング入門」
R言語という言葉は聞いたことがありましたが、統計解析や機械学習、及びデータマイニングのための
プログラミング言語と本書で知りましたし、R言語を用いたデータ解析の実際のやり方が理解できました。
どこまで応用できるかは謎ですが・・・、まあプログラミング言語ってそんな物ですし、
そこに統計解析などの聞き慣れない単語が絡んでくるんですから当然だと思います。
「Webスクレイピング入門」もはじめてききました。内容を簡単に説明するとWebページからのデータ収集です。
大学の研究でBingやYahooのAPIを用いて同様の事をやった経験はありましたが、それが「Webスクレイピング」とは知りませんでした。
本書での「Webスクレイピング」は「Python」を利用して自前でデータの取得と解析を行い、最終的なデータを取得する手法を説明しています。
「Webスクレイピング」で得られたデータと自前のデータを組み合わせることで、データ分析の質を上げることができるそうです。うーーん、なるほど!?
他の記事(ムック本形式ですので)も実務で「データサイエンティスト」として活躍されている方々が書かれているのでとても勉強になりますし、「データサイエンティスト」に必要な知識の基本をほぼ網羅していると思います。
逆の面から見るとムック本なので各記事の内容はそれほど深くないです。この本の内容を全体的に押さえてから
他の専門的な本を読むことをオススメいたします。何事でもそうですが、必要な基礎知識は後で効いてきます。
その中で私が良かったと思った記事は以下の2つでした。
・「データ分析実践入門」の「Rで統計解析をはじめよう」
・「データ分析のためにこれだけは覚えておきたい基礎知識」の「Webスクレイピング入門」
R言語という言葉は聞いたことがありましたが、統計解析や機械学習、及びデータマイニングのための
プログラミング言語と本書で知りましたし、R言語を用いたデータ解析の実際のやり方が理解できました。
どこまで応用できるかは謎ですが・・・、まあプログラミング言語ってそんな物ですし、
そこに統計解析などの聞き慣れない単語が絡んでくるんですから当然だと思います。
「Webスクレイピング入門」もはじめてききました。内容を簡単に説明するとWebページからのデータ収集です。
大学の研究でBingやYahooのAPIを用いて同様の事をやった経験はありましたが、それが「Webスクレイピング」とは知りませんでした。
本書での「Webスクレイピング」は「Python」を利用して自前でデータの取得と解析を行い、最終的なデータを取得する手法を説明しています。
「Webスクレイピング」で得られたデータと自前のデータを組み合わせることで、データ分析の質を上げることができるそうです。うーーん、なるほど!?
他の記事(ムック本形式ですので)も実務で「データサイエンティスト」として活躍されている方々が書かれているのでとても勉強になりますし、「データサイエンティスト」に必要な知識の基本をほぼ網羅していると思います。
逆の面から見るとムック本なので各記事の内容はそれほど深くないです。この本の内容を全体的に押さえてから
他の専門的な本を読むことをオススメいたします。何事でもそうですが、必要な基礎知識は後で効いてきます。
2013年8月21日に日本でレビュー済み
最近、データサイエンティストがブームで「
データサイエンティスト完全ガイド (日経BPムック)
」みたいな
「なんかもやもやしてるけど分かった気になれる」便乗ムックが多く出版されています。
本書はそういうこともなく、書かれていることを理解すればきちんと現場に持ち帰れる内容になっています。
執筆者がブレインパッド・ドリコム・サイバーエージェントなど、データ分析で十分に実績のある企業に所属しているのも安心感があります。
主な内容としては、比較的少量のデータに対して統計量を計算したり、グラフや散布図・箱ひげ図で可視化したりといった
分析技術者が結論を導き出していく過程を、RやPythonといった実際のツールを動かしながら紹介しています。
日本語の情報は少ないのですが、PythonはRのようなデータ分析に有用なライブラリが豊富で、Rと連携するライブラリもあります。
このあたりの情報は、読んでてありがたかったです。
また、Excelに関する言及やスクレイピング・Fluentdの記事など、現場で手を動かしている分析技術者には痒いところに手が届く内容になっています。
ただ、本書の内容だけでいわゆるデータサイエンティストになれるかは謎です。
(データサイエンティストはHadoop使ってビッグデータ分析する人って説もあるようですし、、、(笑))
もう少しビジネス寄りの観点の「 会社を変える分析の力 (講談社現代新書) 」も併せて読まれることをおすすめします。
「なんかもやもやしてるけど分かった気になれる」便乗ムックが多く出版されています。
本書はそういうこともなく、書かれていることを理解すればきちんと現場に持ち帰れる内容になっています。
執筆者がブレインパッド・ドリコム・サイバーエージェントなど、データ分析で十分に実績のある企業に所属しているのも安心感があります。
主な内容としては、比較的少量のデータに対して統計量を計算したり、グラフや散布図・箱ひげ図で可視化したりといった
分析技術者が結論を導き出していく過程を、RやPythonといった実際のツールを動かしながら紹介しています。
日本語の情報は少ないのですが、PythonはRのようなデータ分析に有用なライブラリが豊富で、Rと連携するライブラリもあります。
このあたりの情報は、読んでてありがたかったです。
また、Excelに関する言及やスクレイピング・Fluentdの記事など、現場で手を動かしている分析技術者には痒いところに手が届く内容になっています。
ただ、本書の内容だけでいわゆるデータサイエンティストになれるかは謎です。
(データサイエンティストはHadoop使ってビッグデータ分析する人って説もあるようですし、、、(笑))
もう少しビジネス寄りの観点の「 会社を変える分析の力 (講談社現代新書) 」も併せて読まれることをおすすめします。
2013年8月24日に日本でレビュー済み
データサイエンティストに求められる能力は主に3つあるが、本書の場合、
1.IT的内容 30%
2.分析的内容 60%
3.ビジネスよりの内容 10%
といった感じで、特に分析(統計解析・データマイニング)に詳しい。
データサイエンティストとして分析力に自信のない人や詳しくなりたい人には最適である。
内容は分かりやすく書かれているが、ある程度統計分析のリテラシーがあることが前提になっている。
1に詳しい人が2について学ぼうとする際はとても便利な本であるが、3から入って2に行こうとする人には1の内容が多いのがちょっと残念。
私はまさに3から2の人なので、星は4つにしました。
またRを前面に出しているが、3から2の人は、SPSSやSASなど、GUIツール利用が多いと思うのでその点も配慮して欲しかった。
しかしデータサイエンティストを名乗る以上、Rは必須のツールになってきているので、SPSSやSASしか使っていない人も、Rを学ぶには良い本である。
特集2の各社のマーケティング分析事例も面白かった。
あわせて読むと良い本としては、河本薫『会社を変える分析の力』、古川一郎ほか『マーケティング・サイエンス入門』などが参考になるだろう。
1.IT的内容 30%
2.分析的内容 60%
3.ビジネスよりの内容 10%
といった感じで、特に分析(統計解析・データマイニング)に詳しい。
データサイエンティストとして分析力に自信のない人や詳しくなりたい人には最適である。
内容は分かりやすく書かれているが、ある程度統計分析のリテラシーがあることが前提になっている。
1に詳しい人が2について学ぼうとする際はとても便利な本であるが、3から入って2に行こうとする人には1の内容が多いのがちょっと残念。
私はまさに3から2の人なので、星は4つにしました。
またRを前面に出しているが、3から2の人は、SPSSやSASなど、GUIツール利用が多いと思うのでその点も配慮して欲しかった。
しかしデータサイエンティストを名乗る以上、Rは必須のツールになってきているので、SPSSやSASしか使っていない人も、Rを学ぶには良い本である。
特集2の各社のマーケティング分析事例も面白かった。
あわせて読むと良い本としては、河本薫『会社を変える分析の力』、古川一郎ほか『マーケティング・サイエンス入門』などが参考になるだろう。