出版社内容情報
数学の素養があるだけではデータサイエンスのプロとは言えません。なぜなら、実際の数理モデル開発やデータ分析では、組み合わせ方やプログラミングの知識が必要になるためです。また、データ分析では、数値微分・数値積分の知識がプログラミングで計算する際には非常に役立ちます。そこで本書では、数値計算やパラメータ計算法などを説明したあとに、応用編として現場で利用されるデータ分析方法を取り上げます。具体的には「対数尤度（ゆうど）の最大化法と重回帰」「一般化線形モデル」「多クラス回帰モデル」「Bradley-Terry model」「2元表の解析モデル」「生存時間解析（ワイブル分布）」で、Rによる数値計算のプログラムも併記しています。本書を活用していただくと、例えば機械学習モデルのパラメータを導く際に必要な二階偏微分を要素とする行列（ヘッセ行列など）の計算が非常にラクになり、データサイエンスにおけるプログラミングで数値微分・数値積分や数値計算そのものの重要さを再確認できるでしょう。
なお、本書は、大学の初等数学程度の知識を前提としています。
目次
第１章 Ｒプログラミング環境の準備
第２章 数値計算
第３章 ニュートン法・反復法
第４章 重回帰分析
第５章 一般化線形モデル
第６章 多クラスロジスティック
第７章 Ｂｒａｄｌｅｙ‐Ｔｅｒｒｙ ｍｏｄｅｌ
第８章 主成分分析
第９章 ２元表の解析モデル
第１０章 比例危険度モデル（ワイブル分布）
