最短突破 データサイエンティスト検定(リテラシーレベル)公式リファレンスブック 第3版(技術評論社) [電子書籍]
    • 最短突破 データサイエンティスト検定(リテラシーレベル)公式リファレンスブック 第3版(技術評論社) [電子書籍]

    • ¥2,860572 ゴールドポイント(20%還元)
    • すぐ読めます
100000086602358099

最短突破 データサイエンティスト検定(リテラシーレベル)公式リファレンスブック 第3版(技術評論社) [電子書籍]

菅由紀子(著者)佐伯諭(著者)高橋範光(著者)田中貴博(著者)大川遥平(著者)大黒健一(著者)森谷和弘(著者)參木裕之(著者)北川淳一郎(著者)守谷昌久(著者)山之下拓仁(著者)苅部直知(著者)孝忠大輔(著者)福本信吾(著者)
価格:¥2,860(税込)
ゴールドポイント:572 ゴールドポイント(20%還元)(¥572相当)
フォーマット:
専用電子書籍リーダアプリ「Doly」が必要です。無料ダウンロード
出版社:技術評論社
公開日: 2024年05月07日
すぐ読めます。
お取り扱い: のお取り扱い商品です。
ご確認事項:電子書籍リーダーアプリ「Doly」専用コンテンツ
こちらの商品は電子書籍版です

最短突破 データサイエンティスト検定(リテラシーレベル)公式リファレンスブック 第3版(技術評論社) の 商品概要

  • 集めたデータから価値を創出し,ビジネス課題に答えを出すデータサイエンティストは,ますます必要とされてきています。そんなデータサイエンティストには,様々なスキルが求められています。
    ・情報処理,人工知能,統計学などの情報科学系の知恵を理解し使う,データサイエンス力
    ・データサイエンスを意味のある形に使えるようにし実装・運用できるようにする,データエンジニアリング力
    ・課題背景を理解した上でビジネス課題を整理し解決する,ビジネス力
    さらに,これらのスキルを日常生活や仕事等の場で活かすための学修目標を示した
    ・数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム
    も公表されています。データサイエンティスト検定(リテラシーレベル)では,これらの基礎的な部分を総合的に問われます。
    本書では,問われる項目をひとつひとつピックアップし,現場の第一線でで活躍する著者が詳しく解説しています。読み込めば読み込むほど力になる,試験対策のための一冊です。
  • 目次

    ■第1章 DS検定とは
    データサイエンティスト検定TMリテラシーレベルとは
    データサイエンティスト協会とデータサイエンティストスキルチェックリストとは
    データサイエンティスト検定TMリテラシーレベル試験概要
    出題範囲① スキルチェックリスト
    出題範囲② 数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム
    ・・・
    ■第2章 データサイエンス力
    DS1 ベクトルの内積に関する計算方法を理解し,線形式をベクトルの内積で表現できる
    DS2 行列同士,および行列とベクトルの計算方法を正しく理解し,複数の線形式を行列の積で表現できる
    DS3 逆行列の定義,および逆行列を求めることにより行列表記された連立方程式が解けることを理解している
    DS4 固有ベクトルおよび固有値の意味を理解している
    DS5 微分により計算する導関数が傾きを求めるための式であることを理解している
    DS6 2変数以上の関数における偏微分の計算方法を理解しており,勾配を求めることができる
    DS7 積分と面積の関係を理解し,確率密度関数を定積分することで確率が得られることを説明できる
    DS8 和集合,積集合,差集合,対称差集合,補集合についてベン図を用いて説明できる
    DS9 論理演算と集合演算の対応を理解している(ANDが積集合に対応するなど)
    DS10 順列や組合せの式 nPr, nCr を理解し,適切に使い分けることができる
    DS11 確率に関する基本的な概念の意味を説明できる(確率,条件付き確率,期待値,独立など)
    DS12 平均,中央値,最頻値の算出方法の違いを説明できる
    DS13 与えられたデータにおける分散,標準偏差,四分位,パーセンタイルを理解し,目的に応じて適切に使い分けることができる
    DS14 母(集団)平均と標本平均,不偏分散と標本分散がそれぞれ異なることを説明できる
    DS15 標準正規分布の平均と分散の値を知っている
    DS16 相関関係と因果関係の違いを説明できる
    DS17 名義尺度,順序尺度,間隔尺度,比例尺度の違いを説明できる
    DS18 ピアソンの相関係数の分母と分子を説明できる
    DS19 5つ以上の代表的な確率分布を説明できる
    DS20 二項分布は試行回数が増えていくとどのような分布に近似されるかを知っている
    DS21 変数が量的,質的どちらの場合でも関係の強さを算出できる
    DS22 指数関数とlog関数の関係を理解し,片対数グラフ,両対数グラフ,対数化されていないグラフを適切に使いわけることができる
    DS23 ベイズの定理を説明できる
    DS28 分析,図表から直接的な意味合いを抽出できる(バラツキ,有意性,分布傾向,特異性,関連性,変曲点,関連度の高低など)
    DS29 想定に影響されず,数量的分析結果を客観的に解釈できる
    DS31 適切なデータ区間設定でヒストグラムを作成し,データのバラつき方を把握できる
    DS32 適切な軸設定でクロス集計表を作成し,属性間のデータの偏りを把握できる
    DS33 量的変数の散布図を描き,2変数の関係性を把握できる
    DS44 点推定と区間推定の違いを説明できる
    ・・・
    ■第3章 データエンジニアリング力
    DE1 オープンデータを収集して活用する分析システムの要件を整理できる
    DE8 サーバー1~10台規模のシステム構築,システム運用を手順書を元に実行できる
    DE9 オンプレミス環境もしくはIaaS上のデータベースに格納された分析データのバックアップやアーカイブ作成などの定常運用ができる
    DE19 ノーコード・ローコードツールを組み合わせ,要件に応じたアプリやツールを設計できる
    DE20 コンテナ技術の概要を理解しており,既存のDockerイメージを活用して効率的に分析環境を構築できる
    DE21 分析環境を提供するクラウド上のマネージドサービス(Amazon SageMaker,Azure Machine Learning,Google Cloud Vertex AI,IBM Watson Studioなど)を利用して,機械学習モデルを開発できる
    DE34 対象プラットフォーム(クラウドサービス,分析ソフトウェア)が提供する機能(SDKやAPIなど)の概要を説明できる
    DE35 Webクローラー・スクレイピングツールを用いてWebサイト上の静的コンテンツを分析用データとして収集できる
    DE39 システムやネットワーク機器に用意された通信機能(HTTP,FTPなど)を用い,データを収集先に格納するための機能を実装できる
    DE45 データベースから何らかのデータ抽出方法を活用し,小規模なExcelのデータセットを作成できる
    DE46 既存のサービスやアプリケーションに対して,分析をするためのログ出力の仕様を整理することができる
    DE53 扱うデータが,構造化データ(顧客データ,商品データ,在庫データなど)か非構造化データ(雑多なテキスト,音声,画像,動画など)なのかを判断できる
    DE54 ER図を読んでテーブル間のリレーションシップを理解できる
    DE57 正規化手法(第一正規化~第三正規化)を用いてテーブルを正規化できる
    DE64 DWHアプライアンス(Oracle Exadata Database Machine,IBM Integrated Analytics Systemなど)に接続し,複数テーブルを結合したデータを抽出できる
    DE66 HadoopやSparkの分散技術の基本的な仕組みと構成を理解している
    DE67 NoSQLデータストア(HBase,Cassandra,Mongo DB,CouchDB,Amazon DynamoDB,Azure Cosmos DB,Google Cloud Firestoreなど)にAPIを介してアクセスし,新規データを登録できる
    DE71 クラウド上のオブジェクトストレージサービス(Amazon S3,Azure Blob Storage,Google Cloud Storage,IBM Cloud Object Storageなど)に接続しデータを格納できる
    ・・・
    ■第4章 ビジネス力
    BIZ1 ビジネスにおける「論理とデータの重要性」を認識し,分析的でデータドリブンな考え方に基づき行動できる
    BIZ2 「目的やゴールの設定がないままデータを分析しても,意味合いが出ない」ことを理解している
    BIZ3 課題や仮説を言語化することの重要性を理解している
    BIZ4 現場に出向いてヒアリングするなど,一次情報に接することの重要性を理解している
    BIZ5 様々なサービスが登場する中で直感的にわくわくし,その裏にある技術に興味を持ち,リサーチできる
    BIZ11 データを取り扱う人間として相応しい倫理を身に着けている(データのねつ造,改ざん,盗用を行わないなど)
    BIZ12 データ,AI,機械学習の意図的な悪用(真偽の識別が困難なレベルの画像・音声作成,フェイク情報の作成,Botによる企業・国家への攻撃など)があり得ることを勘案し,技術に関する基礎的な知識と倫理を身につけている
    BIZ16 データ分析者・利活用者として,データの倫理的な活用上の許容される範囲や,ユーザサイドへの必要な許諾について概ね理解している(直近の個人情報に関する法令:個人情報保護法,EU一般データ保護規則,データポータビリティなど)
    BIZ19 データや事象の重複に気づくことができる
    BIZ22 与えられた分析課題に対し,初動として様々な情報を収集し,大まかな構造を把握することの重要性を理解している
    BIZ24 対象となる事象が通常見受けられる場合において,分析結果の意味合いを正しく言語化できる
    BIZ27 一般的な論文構成について理解している (序論⇒アプローチ⇒検討結果⇒考察や,序論⇒本論⇒結論 など)
    BIZ30 データの出自や情報の引用元に対する信頼性を適切に判断し,レポートに記載できる
    BIZ31 1つの図表〜数枚程度のドキュメントを論理立ててまとめることができる(課題背景,アプローチ,検討結果,意味合い,ネクストステップ)
    BIZ34 報告に対する論拠不足や論理破綻を指摘された際に,相手の主張をすみやかに理解できる
    ・・・
    ■第5章 数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム
    5-1. 数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム
    5-2-1. 社会におけるデータ・AI利活用(導入)で学ぶこと
    5-2-2. 社会におけるデータ・AI利活用(導入)で学ぶスキル/知識
    5-2-3. 社会におけるデータ・AI利活用(導入)の重要キーワード解説
    5-3-1. データリテラシー(基礎)で学ぶこと
    5-3-2. データリテラシー(基礎)で学ぶスキル/知識
    5-3-3. データリテラシー(基礎)の重要キーワード解説
    5-4-1. データ・AI利活用における留意事項(心得)で学ぶこと
    5-4-2. データ・AI利活用における留意事項(心得)で学ぶスキル/知識
    5-4-3. データ・AI利活用における留意事項(心得)の重要キーワード解説
    5-5. 数理・データサイエンス・AI(リテラシーレベル)を詳しく学ぶ

最短突破 データサイエンティスト検定(リテラシーレベル)公式リファレンスブック 第3版(技術評論社) の商品スペック

シリーズ名 最短突破
Cコード 3055
出版社名 技術評論社
本文検索
他の技術評論社の電子書籍を探す
紙の本のISBN-13 9784297141301
ファイルサイズ 26.6MB
著者名 菅由紀子
佐伯諭
高橋範光
田中貴博
大川遥平
大黒健一
森谷和弘
參木裕之
北川淳一郎
守谷昌久
山之下拓仁
苅部直知
孝忠大輔
福本信吾
著述名 著者

    技術評論社 最短突破 データサイエンティスト検定(リテラシーレベル)公式リファレンスブック 第3版(技術評論社) [電子書籍] に関するレビューとQ&A

    商品に関するご意見やご感想、購入者への質問をお待ちしています!