ビジネス事例でAI&データサイエンス技術を解説した本

ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）

ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）

インプレスグループでIT関連メディア事業を展開するインプレスは、三好大悟氏著書による、ビジネス事例を通じてAI&データサイエンス技術を丁寧に解説した「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」を2022年3月15日（火）に発売した。

三好大悟Profile●慶應義塾大学理工学部で金融工学を専攻。大学卒業後、株式会社データミックスにてデータサイエンティストとして、統計学や機械学習を用いたデータ分析・アルゴリズム開発を中心としたコンサルティングに従事。2020年7月からは株式会社セブン&アイ・ホールディングスにて、小売や物流・配送などの事業におけるデータ・AI活用を推進。一方で兼業としても活動し、データ分析やAI開発など、データサイエンスに関するアドバイザリや受託開発を行うかたわら、講師活動なども行う。

ビジネススキルという観点で解説したAI&データサイエンス入門書「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」

データサイエンスは、ビジネスのさまざまな現場で役立つスキルです。たとえばECサイトの運営にはおすすめ商品を提案してくれる「レコメンデーション」の仕組みが欠かせず、顧客ごとに最適な施策を打つには「ターゲティング」が欠かせない。
ほかにも、需要予測にもとづく販売計画を立てたり、最適な商品単価を設定したり、効率的な配送ルートを導き出したりなど、データサイエンスと無縁のビジネス領域はないといっても過言ではない。
また、社会全体を見渡しても、2021年にはDXやIT化を国を挙げて推進するためデジタル庁が設置され、2023年度からは高校でAIやデータサイエンスを学ぶ「情報II」の授業がスタートする。
データサイエンスはこれからの必須スキルとなる。

そんなデータサイエンスですが、本格的に扱うには数学や統計学の知識、またプログラミングスキルが必要であり、一般のビジネスパーソンにとって取り組みづらいイメージがあるのも事実。

「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」はそのハードルをできるだけ低くして、知識ゼロでも「データサイエンスでできること・仕組み」を学べる解説書となる。

身近なビジネス事例＆Excelで自分ゴトとして理解できる「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」

「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」では、まずAIやデータサイエンスの定義、ビジネス活用事例を紹介しつつ、基本的な可視化や統計手法といったデータ分析の基礎知識を身につけられる。

そのうえで、需要予測、ユーザーターゲティング、画像分類といったビジネス上の課題をAIやデータサイエンスの技術を通じて解決していくという構成になっています。各トピックにサンプルデータを可視化・分析したExcelファイルをつけてあるので、実際にデータに触れて学べるのも本書の特徴の1つです。ビジネス課題を題材とすることで、データサイエンス技術を自分ゴトとしてしっかり消化できる。

「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」の特徴

学んだ内容を実際に試せるExcelサンプルファイル付き

オールカラー＆豊富なイラスト図解で難しい概念が理解しやすい

AIやデータサイエンスに関する用語集つきでステップアップにも最適

「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」紙面イメージ

▼オールカラー＆イラスト図解で読みやすい

f:id:mojiru:20220316103357j:plain

▼ダウンロード特典のExcelファイルで実際の分析結果を確認できる

f:id:mojiru:20220316103338j:plain

「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」早期購入キャンペーンを実施

「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」の発刊を記念して、2022年3月15日（火）～2022年4月14日（木）の期間中、全国の書店で本書を購入した人に、「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」の電子版（PDF）をダウンロードにてプレゼントする。

詳細は以下のURLを参照

book.impress.co.jp

「ビジネスの現場で使えるAI&データサイエンスの全知識（できるビジネス）」の構成

Chapter1 データサイエンスをビジネスで活用する
Chapter2 データサイエンスの手法を理解する
Chapter3 基本的な可視化・統計手法を理解する
Chapter4 線形回帰モデルで需要予測を立てる
Chapter5 ロジスティック回帰モデルでユーザーターゲティングを行う
Chapter6 ディープラーニングで画像分類を行う
Chapter7 教師なし学習でユーザーセグメントを精緻化する
Chapter8 レコメンデーションエンジンを実装する
Chapter9 数理最適化で利益の最大化を図る