データサイエンスを理解する

データサイエンスのワークフローを理解したところで、最初のステップである「データの収集と保存」を詳しく見ていきましょう。データの収集源、データの形式、収集後の保存方法、そしてデータパイプラインによるプロセスの自動化について学びます。

データの前処理は、データサイエンスの根幹をなす工程です。データサイエンティストは業務時間の80%をデータのクレンジングや加工に費やし、実際の分析に充てる時間はわずか20%と言われています。この章では、データの問題を特定する方法や、欠損値・外れ値への対処法を学びます。さらに、データを探索し、分析結果を伝えるための視覚化についても学びましょう。

最終章では、実験・検証と予測について学びます。まず実験の手法としてA/Bテストを取り上げ、次に時系列予測で将来の出来事を予測する方法を学びます。最後に機械学習の、教師あり学習とクラスタリングを紹介します。