商品説明
情報科学
【内容紹介】
「データ分析を学んでみたいが、Pythonプログラミングや数学のハードルが高く手を出せない」。
そんな方は、今こそデータ分析を学ぶべきです。
今であれば、業務課題に対応付いた「データ分析の手法」さえ理解していれば、細かいPythonコーディングはChatGPTに任せ自力でデータ分析が可能です。
日常の業務課題にデータ分析手法を適用すれば、今までとくらべて段違いの成果を出せます。
本書を参考に、ぜひこの世界にチャレンジしてください。
【目次】
序章 ChatGPTによるデータ分析入門
0.1 データ分析機能を使うための手順
0.2 実習に向けた準備
0.3 最初の実習
0.4 データ分析実施時のChatGPTアーキテクチャ
0.5 ChatGPTの業務利用時の注意点
第1部 基礎編
1章 生成AIとデータ分析
1.1 データ分析プロセスの全体像
1.2 データ分析プロセスと生成AIの活用可能性
1.3 生成AI後のデータ分析スキル育成ロードマップ
1.4 データ分析における生成AI活用のポイント
1.5 Pythonをどこまで深く理解すればいいか
2章 データ分析の処理パターン
2.1 分析手法からの分類
2.2 業務利用パターンからの分類
3章 データ分析プロセス
3.1 分析テーマ設定
3.2 分析対象データ確認・収集
3.3 分析手順策定
3.4 最初のデータ分析概要
3.5 データ読み込み
3.6 統計分析・データ理解
3.7 データ前処理
3.8 モデル構築
3.9 結果分析
第2部 応用編
4章 保全計画策定（可視化）
4.1 分析テーマと分析対象データ
4.2 データ読み込み
4.3 データ理解
4.4 データ前処理
4.5 データ分析（可視化）
4.6 結果解釈
4.7 ビジネス施策立案
5章 顧客層分析（クラスタリング）
6章 推奨商品提案（アソシエーション分析）
7章 販売量予測（回帰モデル）
8章 営業成約予測（分類モデル）
第3部 プロジェクト編
9章 データ分析・AIプロジェクトを成功させる上流工程のツボ
9.1 ソリューショニングのツボ
9.2 データ収集のツボ
9.3 AIプロジェクト成功のツボ
9.4 データ分析・AIタスクとプロジェクト推進人材の関係
9.5 従来AIと生成AIの関係
第4部 リファレンス編
講座1 データ分析のためのプログラミング入門
講座1.1 Google Colab入門
講座1.2 Python入門
講座1.3 NumPy入門
講座1.4 pandas入門
講座1.5 Matplotlib入門
講座2 データ分析のための統計処理入門
講座2.1 統計入門
講座2.2 Pythonによる統計処理（データ前処理・精度評価）
【著者略歴】
アクセンチュア株式会社 ビジネス コンサルティング本部 AIグループ シニア・マネージャー 1985年、東京大学工学部計数工学科卒業。
1987年、同大学院修士課程修了後、日本IBM株式会社に入社。
Watsonの技術セールスなどを経験後、アクセンチュア株式会社に入社。
現在はAI・データサイエンス系のプロジェクトの技術リードやクライアントのAI人材育成支援などを担当。
京都情報大学院大学客員教授。