弊社代表 漆畑充 の編著書として携わった新刊「AI・データ分析モデルのレシピ」がオーム社様より発売されました。
本書の紹介
![](https://images-na.ssl-images-amazon.com/images/I/41WKarJKdKS._SX350_BO1,204,203,200_.jpg)
本書はデータやAIを活用したプロジェクトを完遂させ成功させる方法を紹介しています。
具体的なプロジェクトモデルを提示しながらPythonコードはもちろんのこと、マスターデータやプロジェクト立上げ時のプロセスについても解説し、非常に実践的な内容となっています。
巻末には「失敗パターン」が掲載されており、”逆引き辞書”のように利用していただくと、プロジェクト成功への近道になると思います。
本書構成
<書籍の構成>
・はじめに
・本書の読み方
・Part1 プロセスの一般論
(Introduction プロジェクトを成功に導くための基本を身に付ける/Recipe1.1 プリアナリティクス/Recipe1.2 分析マスターデータ作成/Recipe1.3 基礎集計と可視化/
Recipe1.4 モデリング/Recipe1.5 評価・実装)
・Part2 顧客データ×クラスタリング分析モデル
(Introduction 顧客データを分類して業務改善したい/Recipe2.1 顧客データの準備/Recipe2.2 マスターデータの作成/Recipe2.3 データの基礎集計と可視化/Recipe2.4 クラスタリングの実行/Recipe2.5 分析報告書類の作成)
・Part3 広告効果データ×重回帰分析モデル
(Introduction 広告の費用対効果を知りたい/Recipe3.1 要件とデータ整理/Recipe3.2 時系列に基づいた広告データの整理/Recipe3.3 相関分析と説明変数の作成/Recipe3.4 モデルの構築/Recipa3.5 結果に基づいた最適な広告戦略の立案)
・Part4 キャンペーンデータ×ロジスティック回帰分析モデル
(Introduction 広告キャンペーンの対象を見つけたい/Recipe4.1 キャンペーンのための分析設計/Recipe4.2 過去データの整理/Recipe4.3 反応者・非反応者のクロス集計/Recipe4.4 ロジスティック回帰モデルの構築/Recipe4.5 学習モデルの精度検証)
・Part5 調査データ×コレスポンデンス分析モデル
(Introduction 調査データを要約したい/Recipe5.1 調査データの分析設計/Recipe5.2 調査データの準備/Recipe5.3 グランドトータル集計とクロス集計/Recipe5.4 コレスポンデンス分析)
・Part6 Eコマースデータ×協調フィルタリング分析モデル
(Introduction 商品レコメンドエンジンを構築したい/Recipe6.1 データの準備/Recipe6.2 商品間の相関分析/Recipe6.3 協調フィルタリング)
・Appendix AI開発の成功パターン(EDA)と失敗パターン(LISA)
・あとがき