• はじめに

第1章　データサイエンスとは―データと社会―

• 1-1　データと社会
  • 1）私たちの日常生活とデータ
  • 2）データ化社会がやってきた
• 1-2　データサイエンスとデータサイエンティスト
  • 1）データサイエンスはさまざまな定義が可能な科学
  • 2）データ解析の４つの工程
  • 3）データサイエンティストの仕事

第2章　データを知る―データ解析の第1工程―

• 2-1　データのタイプを分類する
  • 1）調査データと非調査データ
  • 2）ビッグデータと非ビッグデータ
• 2-2　データの特徴をつかむ
  • 1）変数とデータ
  • 2）量的データと質的データ
  • 3）個票データと集計データ
• 2-3　データを準備する
  • 1）調査によるデータ収集
  • 2）Webによるデータ収集
• 2-4　データを整形する
  • 1）データを整形するとは
  • 2）完全データと不完全データ
  • 3）外れ値
  • 4）選択バイアス

第3章　データを読む―データ解析の第2工程―

• 3-1　データを集計し可視化する
  • 1）データの分布を把握する
  • 2）さまざまなグラフ
• 3-2　データの情報を要約する
  • 1）データの情報を得る
  • 2）1変数のデータの特徴をつかむ
  • 3）2変数の関係を見つける
  • 4）多次元データの関係を把握する
  • 5）結論を一般化するために

第4章　データを分類する―データ解析の第3工程―

• 4-1　似たもの同士を分類する
  • 1）クラスター分析の考え方
  • 2）クラスター分析で分類する
• 4-2　複数の変数を合成する
  • 1）主成分分析の考え方
  • 2）主成分分析で分類する
• 4-3　質的データを分類する
  • 1）数量化Ⅲ類の考え方
  • 2）数量化Ⅲ類で分類する

第5章　データから予測する―データ解析の第4工程―

• 5-1　データに基づいて予測する
  • 1）回帰分析の考え方
  • 2）回帰分析で予測する
• 5-2　予測のよさを評価する
  • 1）重回帰分析の考え方
  • 2）よい回帰モデルとは
  • 3）さまざまな回帰診断
• 5-3　質的データを予測する
  • 1）数量化Ⅰ類
  • 2）ロジスティック回帰

第6章　データの倫理を考える―データ化社会への警鐘―

• 6-1　データの倫理とは
  • 1）データの倫理とデータ化社会
  • 2）情報倫理の4つの原則とデータ倫理の規範例
  • 3）分析の倫理
• 6-2　倫理違反の事件簿
  • 1）ディオバン事件
  • 2）統計不正事件

第7章　データサイエンスとAI―ビッグデータがもたらしたデータ革命―

• 7-1　機械学習の基本
  • 1）機械学習・深層学習・AI
  • 2）データプレパレーション
  • 3）選択アルゴリズム
  • 4）パラメータチューニング
  • 5）モデル選択
• 7-2　ニューラルネットワークとAI
  • 1）AIとデータサイエンスの関係
  • 2）ニューラルネットワークとは
  • 3）ニューラルネットワークの構成要素

• 付録　データサイエンスを体験する

• データサイエンスの理解を深めるための参考図書

• 索引