データサイエンス

ICTやIoT技術の発展によって社会にあふれる「ビッグデータ」を活用して、有用な「価値」を引き出す学問分野「データサイエンス」は、ビジネスから行政、医療、スポーツなど、あらゆる分野で注目されている。データサイエンスの基礎となるデータ処理（情報学）やデータ分析（統計学）手法の基本やあらまし、さまざまな分野での活用実例などを、図版や写真、イラストを使ってやさしく解説するシリーズ第10弾。

〔本書の特色〕
◇データサイエンスとは
ビッグデータを収集・処理・加工・分析することで、有用な「価値」を引き出すデータサイエンスが、現代社会において必要とされるようになった背景と目的を解説。
◇データを処理・加工する
データサイエンスを学ぼうとする初心者に、データを収集・処理・加工する「情報学」の基本について、イラストや図版を使って平易に図解。
◇データを分析する
「統計学」の観点から、収集・処理・加工されたデータを分析する手法を、具体例に沿って、図版や図表を使って丁寧に解説。
◇データサイエンスの活用事例
収集・処理・加工されたデータを分析して、有用な「価値」を引き出すデータサイエンスの活用事例を、「価値創造」がイメージできるように、図版や写真を使って紹介。
◇データサイエンスが拓く未来と課題
データサイエンスを理解・活用できる人材の育成や発掘に加え、情報セキュリティや情報モラルへの対応など、データサイエンスが拓く未来と課題について考察、提起。

はじめに
◇Chapter1　データサイエンスとは
情報通信技術の進展とデジタル化社会
データ活用が進む社会
あらゆる分野に求められるデータサイエンス
価値創造を導くデータサイエンス
ビッグデータとデータサイエンス
データサイエンス推進に必要な3つの知識
データエンジニアリング力
データサイエンス力
ビジネス力
データサイエンスに関連する学問領域
実務におけるデータサイエンスの進め方
データサイエンスを進める企業
◇Chapter2　データを処理・加工する
データ前処理の目的
環境構築
データ収集と蓄積
構造化データと非構造化データ
五感や感情のデータ
クラウドコンピューティング
データサイエンスのための分析環境
RDBとSQL
サンプリングとデータ分割
データクレンジング
データの標準化と正規化
データフュージョン
画像や動画データの処理
音声データの処理
質的変数の数値化
◇Chapter3　 データを分析する
データ分析の目的
データの可視化に役立つダッシュボード
記述統計と推測統計
モデル分析の3つの方向性
因果関係の分析
クラス判別の分析
構造の分析
多変量解析
機械学習とデータマイニング
機械学習の手法
テキストマイニング
ニューラルネットワークとディープラーニング
画像のためのディープラーニング
テキストや音声のためのディープラーニング
強化学習と集団学習
学習済みモデルと転移学習
トピックモデル
ベイズ統計学
シミュレーションと意思決定手法
◇Chapter4　データサイエンスの活用事例
スマートファクトリー
サプライチェーンマネジメント
小売業におけるPOSデータ活用
マイルポイント制度からはじまった「FSP」
EC（電子商取引）
インターネット広告
証拠に基づく政策立案「EBPM」
スポーツとデータサイエンス
セイバーメトリクスとNeurOlympics
ICTが支える自動運転
ファイナンス
エネルギーとデータサイエンス
インフラにおけるデータサイエンス
第一次産業とデータサイエンス
医療・創薬・ヘルスケア
◇Chapter5　データサイエンスが拓く未来と課題
期待されるデータサイエンティスト
データサイエンスに関連する資格や検定
データサイエンスを推進するための組織づくり
DXの推進とデータサイエンス
Society5.0とサイバーフィジカルシステム
データ活用とデータ保護
情報セキュリティ
個人情報保護法
海外における個人情報保護とセキュリティ
データサイエンスが拓く未来
AIと倫理
新たな価値創造に向けたデータサイエンス
さくいん
参考文献

［著］生田目 崇（ナマタメ タカシ）
生田目 崇（なまため・たかし）
1999年東京理科大学大学院工学研究科経営工学専攻、博士後期課程修了、博士（工学）。2002年専修大学商学部専任講師・准教授・教授。2012年より中央大学理工学部経営システム工学科（現・ビジネスデータサイエンス学科）教授。マネジメント・サイエンス、マーケティング・サイエンスを中心とした幅広いデータサイエンス研究に従事。主な著書に『マーケティングのための統計分析』（オーム社）、『マーケティング・エンジニアリング入門』（有斐閣、共著）など。