本棚登録 : 
感想 : 
- Amazon.co.jp ・電子書籍
感想・レビュー・書評
-
■感想・意見
TableauとPythonの組み合わせで学ぶデータサイエンス入門。
Tableauの使い方と、機械学習、Python基礎を学ぶカタチとなっている。Tableau Prepと、TabPyの説明がされているのが、類書と異なり良いと思いました。
まだ学習途中ですが、より効果的でわかりやすいビジュアライズができると良いと思う。
■目次
■第1章 Tableau「で」始めるデータサイエンスとは？
1.1 データサイエンスって何だろう？
1.2 データサイエンスのプロセスサイクルとTableauプロダクト
1.3 Tableau って何だろう？
1.4 Tableauをインストールしてみよう！
1.4.1 インストール手順
1.4.2 留意事項
■第2章 基礎体力編
2.1 可視化の基本
2.1.1 データ探索を始めよう：プロバスケット選手のショットデータを読み解く
2.1.2 データへの接続
2.1.3 時系列データの可視化
2.1.4 ショットタイプによる分析（ツリーマップ）
2.1.5 位置情報の可視化
2.2 データ準備の基本
2.2.1 データ準備の必要性
2.2.2 Tableau Prep Builder を使ってみよう
2.2.3 Tableau Prep Builder の基本的な使い方をアメダスデータを使って学ぶ
2.3 機械学習の基本
2.3.1 機械学習とは
2.3.2 Pythonの基礎
2.3.3 Pythonによるデータ操作
2.3.4 Pythonによる機械学習の実装
2.3.5 精度の検証とハイパーパラメータチューニング
■第3章 実践編：実データでデータサイエンスのサイクルを回してみる
3.1 銀行顧客の定期預金申し込みを推論してみよう
3.1.1 データの収集
3.1.2 データの理解
3.1.3 モデルの作成と評価
3.1.4 モデルの精度を可視化する
3.1.5 推論の実施
3.1.6 予測値の利用
3.2 東京23区のマンション価格を推論する
3.2.1 問題設定
3.2.2 データの収集
3.2.3 データの準備と理解
3.2.4 モデルの作成
3.2.5 モデルの評価
3.2.6 推論結果の利用
3.3 気象情報を考慮して電力需要を推論してみよう！
3.3.1 問題設定
3.3.2 データの収集
3.3.3 データの理解
3.3.4 時系列分析とは
3.3.5 Prophet による時系列解析
3.3.6 Prophet による時系列解析-Tableau Desktopを使った評価
3.3.7 精度向上の試行錯誤
■第4章 展望編
4.1 AIとBI 連携の重要性
4.2 データサイエンティストを目指す次のステップとは
4.2.1 画像
4.2.2 自然言語
4.3 データ活用の次のステージ：必要なスキルセットとは
4.3.1 ビジネス力
4.3.2 データサイエンス力
4.3.3 データエンジニアリング力
4.3.4 橋渡し力
4.4 この次にどこを目指していくべきか
4.4.1 横展開型：様々な領域を広く浅く学んでいく
4.4.2 縦展開型：1点集中型で深く突き進めていく
■付録
A.1 Pythonの環境構築
A.1.1 Windows の場合
A.1.2 Mac の場合
A.2 Tabpy Server インストール方法
A.2.1 Windows の場合
A.2.2 Mac の場合
A.3 Tabpy 利用方法の基礎
A.3.1 Tabpy Server の起動と接続確認
A.3.2 Tabpy DesktopからPython スクリプトを実行する
A.3.3 Pythonコードの中で何が行われているか確認する
A.4 Tabpy Client 実行の仕方
A.4.1 Tabpy を起動する
A.4.2 Jupyter Notebookで事前に関数を定義しTabpy Server にデプロイする
A.4.3 Tableau Desktopでの計算式の作成
A.4.4 Tabpy Server からの戻り値を可視化に利用
A.5 Graphvizのインストールについて
A.5.1 Windows の場合
A.5.2 Macまたは上の手順がうまく行かない場合
0
詳細をみるコメント0件をすべて表示
