第1章 データサイエンスの現場 |
1.1 ビジネスの現場で活躍するデータサイエンティストとは?
1.2 十人十色のデータサイエンティスト
1.3 データサイエンティストの一日
1.4 データサイエンスプロジェクトを成功させるには? |
第2章 データサイエンティストになるには |
2.1 高度な統計、数学知識が必要?
2.2 データサイエンティストが扱う代表的なツール
2.3 データサイエンティストとしての心構え |
第3章 データサイエンスプロジェクトの進め方 〜失敗しないためには〜 |
3.1 データサイエンスプロジェクトの流れ
3.2 @業務課題の把握(プロジェクト起案)
3.3 A分析方針の設計
3.4 Bデータの理解・収集
3.5 Cデータの加工
3.6 Dデータ分析・モデリング
3.7 E分析結果の考察
3.8 F業務への適用 |
第4章 分野別に学ぶデータサイエンス |
4.1 はじめに
4.2 数値解析(予測)
4.3 数値解析(予兆検知)
4.4 数値解析(要因解析)
4.5 画像認識(適用技術:Deep Learning)
4.6 テキスト解析(文書分類)
4.7 数理最適化(生産計画最適化) |
第5章 データサイエンスの現場適用とは |
5.1 分析結果を現場で活用するには
5.2 分析モデルの寿命?!
5.3 MLOpsという考え方
5.4 MLOpsを動かしてみよう |
第6章 データサイエンティストの未来 |
6.1 データサイエンティストが不要になる時代が来る!?
6.2 データサイエンティストとして今後重要になるポイント
6.3 学び続けることの大切さ・楽しさ |