Tableauで始めるデータサイエンス（秀和システム） [電子書籍]

Tableauで始めるデータサイエンス（秀和システム） の 商品概要

• 要旨（「BOOK」データベースより）
  データ分析の標準ステップ「ＣＲＩＳＰ‐ＤＭ」に準拠したプロセスで学ぶ。身近なオープンデータを対象に、実感しながらデータ分析に取り組む。データの「理解」「準備」のステップでは、Ｔａｂｌｅａｕのツールで楽をすることも覚える。Ｐｙｔｈｏｎとの連携に触れ、本格的な「データサイエンス」に一歩踏み込む。ＢＩツール「Ｔａｂｌｅａｕ」でビジュアルなデータ分析を楽しみながら、「可視化」を超えて、データサイエンスの世界へステップアップ！
  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
  タサイエンティストとして活躍されている方でも、「Tableauを使ってもっと効率的にデータサイエンスのプロセスを回したい」「魅力的なプレゼンテーションでビジネスサイドを説得したい」と思われているのであれば、この本が参考になります。
  
  　本書は、CRISP-DM（Cross-Industry Standard Process for Data Mining）の「6つのプロセス」に準拠しています。
  
  ①ビジネスの理解
  ②データの理解
  ③データの準備
  ④モデリング
  ⑤評価
  ⑥共有・展開
  
  　本書の第2 章は「基礎体力編」と題し、CRISP-DMのステップの各要素にフォーカスします。
  　「データの理解」について、2.1「データ可視化の基礎」にて、Tableau Desktopを利用して学習します。
  　「データの準備」について、2.2「データの準備の基礎」にて、Tableau Prep Builderを利用して学習します。
  　「モデリング」については、2.3「予測モデル作成の基礎」にて、Python の基本的な構文から始めて予測モデルの作成、Pythonでの評価方法までを学習します。
  
  　第3 章は「実践編」と題して、CRISP-DMのステップを組み合わせ、パブリックデータを元にデータサイエンスのプロセスを回し、ビジネス価値を産み出す実習に挑戦します。
  内容紹介
  　データビジュアライゼーションのTableauとプログラミング言語Pythonの組み合わせで学ぶデータサイエンス入門書の登場！
  
  　「楽しいデータサイエンスの入門書」があってもいいと思いませんか？
  
  　例えば、「データの理解」。Pythonのコーディングでもできますが、BIツールならドラッグアンドドロップで、考えるスピードと同時に答えが浮かび上がってきます。
  　つまり、データサイエンスの標準と言えるCRISP-DMプロセスの中で、楽ができるところはTableauで楽をしてしまえば良いのではないか。そして何より、Tableauを使えば、楽しんでデータサイエンスのプロセスに取り組むことができます。
  　一方、モデルの作成（モデリング）には、ディープラーニングを含む最新のアルゴリズムが無料で利用できるPythonを利用しない手はないでしょう。
  
  　そこで、データの理解・準備にはTableauを使い、モデルの作成にはPython。その結果のプレゼンテーションには再びTableauというように、TableauとPythonを使い分け、補完することで、データサイエンスのプロセスが効率的に楽しく学べる。この本は、「ちょっと難しそう」と思われがちなデータサイエンスも、Tableauなら挑戦できるのではないか？　というアイデアから始まっています。
  　
  　本書を手にしていただきたいのは、すでにTableauでビジュアル分析をしていて、機械学習を用いる次のレベルのデータ活用にチャレンジしたい方、データサイエンスの入門にはコーディングと数学で挫折してしまった方です。もちろん、デー
  
  
  著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）
  岩橋 智宏(イワハシ トモヒロ)
  Ｔａｂｌｅａｕ　Ｊａｐａｎ株式会社セールスコンサルタント。日本アイ・ビー・エムでデータベース基盤エンジニアとして活躍後、２０１６年にＴａｂｌｅａｕ　Ｊａｐａｎに移籍。テクニカルサポートとして日本・アジア地域への技術サポートを行う。２０１９年よりセールスコンサルタントとして、データ分析の現場に近いところからＴａｂｌｅａｕ導入支援や、Ｔａｂｌｅａｕと先進技術を連携したソリューションの開発・提案を実施
  
  今西 航平(イマニシ コウヘイ)
  株式会社キカガク取締役副社長／東北大学大学院医学系研究科非常勤講師。ＡＩ・機械学習領域の研修にて講師を務める。オンライン動画学習サービス「Ｕｄｅｍｙ」でも複数講座を開講しており、人気講師として４０００名以上の受講生を輩出。Ｐｙｔｈｏｎ、ＡＩ・機械学習のミニ講座を配信する「キカガクチャンネル」（ＹｏｕＴｕｂｅ）を運営している
  
  増田 啓志(マスダ ヒロシ)
  Ｔａｂｌｅａｕ　Ｊａｐａｎ株式会社アソシエイトセールスコンサルタント。九州大学大学院修了。グロービス経営大学院修了（ＭＢＡ）。２００９年に日本アイ・ビー・エムに新卒で入社。ＳＥやコンサルタントとして、管理会計の見える化や経営管理システムの導入を担当。２０１８年にＴａｂｌｅａｕ　Ｊａｐａｎに移籍。現在は技術支援を通じて、データドリブンカルチャーの醸成に従事
  著者について
  岩橋 智宏 (イワハシトモヒロ)
  Tableau Japan 株式会社　セールスコンサルタント
  日本アイ・ビー・エムでデータベース基盤エンジニアとして活躍後、2016 年にTableau Japanに移籍。テクニカルサポートとして日本・アジア地域への技術サポートを行う。2019年よりセールスコンサルタントとして、データ分析の現場に近いところからTableau 導入支援や、Tableauと先進技術を連携したソリューションの開発・提案を実施。
  
  今西 航平 (イマニシコウヘイ)
  株式会社キカガク取締役副社長 / 東北大学大学院医学系研究科 非常勤講師
  AI・機械学習領域の研修にて講師を務める。オンライン動画学習サービス「Udemy」でも複数講座を開講しており、デビュー作は開講2 ヶ月で受講生1000 名、2 作目は1 ヶ月で1000 名超えの人気講師として4000 名以上の受講生を輩出。Python、AI・機械学習のミニ講座を配信する「キカガクチャンネル」（YouTube）を運営している。
  
  増田 啓志 (マスダヒロシ)
  Tableau Japan 株式会社　アソシエイトセールスコンサルタント
  九州大学大学院修了。グロービス経営大学院修了(MBA)。2009年に日本アイ・ビー・エムに新卒で入社。SEやコンサルタントとして、管理会計の見える化や経営管理システムの導入を担当。2018 年にTableau Japanに移籍。現在は技術支援を通じて、日本のお客様のデータドリブ
  ンカルチャーの醸成に従事。趣味は映画とアロマテラピー。
  
  

Tableauで始めるデータサイエンス（秀和システム） の商品スペック