11/24
時点_ポイント最大11倍
予測にいかす統計モデリングの基本 ベイズ統計入門から応用まで 改訂第2版 /樋口知之
販売価格
3,080
円 (税込)
- 出荷目安:
- 1~2営業日で出荷
たまるdポイント(通常) 28
+キャンペーンポイント(期間・用途限定) 最大10倍
※たまるdポイントはポイント支払を除く商品代金(税抜)の1%です。
※表示倍率は各キャンペーンの適用条件を全て満たした場合の最大倍率です。
各キャンペーンの適用状況によっては、ポイントの進呈数・付与倍率が最大倍率より少なくなる場合がございます。
dカードでお支払ならポイント3倍
各キャンペーンの適用状況によっては、ポイントの進呈数・付与倍率が最大倍率より少なくなる場合がございます。
- 商品情報
- レビュー
≪商品情報≫
著者名:樋口知之
出版社名:講談社
発行年月:2022年07月
判型:A5
ISBN:9784065285701
≪内容情報≫
◆◆ロングセラー、10年ぶりの改訂◆◆
・全ページをフルカラー化したので、図表もさらにわかりやすく!
・非定常時系列データ解析の基本を加筆(第8章を新設)
データの見方や考え方から述べられた本当にほしかった入門書。
それぞれがもつ「予測したい」課題に自ら取り組むための基本を1冊にまとめた。
「モデリングが使えるということはわかった、これからは使いたい!」という人は必読。
統計のプロ中のプロが伝授する「匠の技」「匠の知恵」コラムも多数収録。
【推薦の言葉】
本書は予測のための統計的モデリングの方法を,基礎から具体的実践例に亘るまで明快に解説している特色ある著作である.
平易な記述でベイズの定理などの基礎から粒子フィルタやデータ同化などの先端的な内容までをカバーしている.
便利なブラックボックス型のAI予測では飽き足らず,自分が抱える具体的な課題に対して自らのアイデアを投入し,説明可能な予測をしてみようと思い立った人には必読の書である.
――北川 源四郎先生(東京大学特任教授、数理・データサイエンス教育強化拠点コンソーシアム 議長)
【まえがき(抜粋)】
統計学の強みは,生成モデルの構築に関する,さまざまな知見とノウハウの蓄積,またモデルに基づく意思決定の綿密な評価にある.ある種,モデリングに関する匠の技とも言える暗黙知に,統計学の存在感が増していくであろう.読者が本書を通じてこの暗黙知を習得されることを期待したい.
【目次】
〈基礎編〉
第1章 予測とは何かを考える
第2章 確率による記述:基礎体力をつける
第3章 統計モデル:予測機能を構造化する
第4章 計算アルゴリズム1:予測計算理論を学ぶ
〈展開編〉
第5章 計算アルゴリズム2:モデルを進化させる
第6章 粒子フィルタ:予測計算を実装する
第7章 乱数生成:不確実性をつくる
〈実践編〉
第8章 時系列解析の基本:傾向をつかむ
第9章 経験知の総結集:売上予測の精度を上げる
第10章 データ同化:シミュレーションの予測性能を向上させる
第11章 確率ロボティクス:お掃除ロボをつくる
著者名:樋口知之
出版社名:講談社
発行年月:2022年07月
判型:A5
ISBN:9784065285701
≪内容情報≫
◆◆ロングセラー、10年ぶりの改訂◆◆
・全ページをフルカラー化したので、図表もさらにわかりやすく!
・非定常時系列データ解析の基本を加筆(第8章を新設)
データの見方や考え方から述べられた本当にほしかった入門書。
それぞれがもつ「予測したい」課題に自ら取り組むための基本を1冊にまとめた。
「モデリングが使えるということはわかった、これからは使いたい!」という人は必読。
統計のプロ中のプロが伝授する「匠の技」「匠の知恵」コラムも多数収録。
【推薦の言葉】
本書は予測のための統計的モデリングの方法を,基礎から具体的実践例に亘るまで明快に解説している特色ある著作である.
平易な記述でベイズの定理などの基礎から粒子フィルタやデータ同化などの先端的な内容までをカバーしている.
便利なブラックボックス型のAI予測では飽き足らず,自分が抱える具体的な課題に対して自らのアイデアを投入し,説明可能な予測をしてみようと思い立った人には必読の書である.
――北川 源四郎先生(東京大学特任教授、数理・データサイエンス教育強化拠点コンソーシアム 議長)
【まえがき(抜粋)】
統計学の強みは,生成モデルの構築に関する,さまざまな知見とノウハウの蓄積,またモデルに基づく意思決定の綿密な評価にある.ある種,モデリングに関する匠の技とも言える暗黙知に,統計学の存在感が増していくであろう.読者が本書を通じてこの暗黙知を習得されることを期待したい.
【目次】
〈基礎編〉
第1章 予測とは何かを考える
第2章 確率による記述:基礎体力をつける
第3章 統計モデル:予測機能を構造化する
第4章 計算アルゴリズム1:予測計算理論を学ぶ
〈展開編〉
第5章 計算アルゴリズム2:モデルを進化させる
第6章 粒子フィルタ:予測計算を実装する
第7章 乱数生成:不確実性をつくる
〈実践編〉
第8章 時系列解析の基本:傾向をつかむ
第9章 経験知の総結集:売上予測の精度を上げる
第10章 データ同化:シミュレーションの予測性能を向上させる
第11章 確率ロボティクス:お掃除ロボをつくる