¥2,860( 本体 ¥2,600 )
商品詳細
※本商品は固定レイアウトのコンテンツです。文字列のハイライトや検索、辞書の参照引用などの機能はご利用になれません。あらかじめご了承ください。,現代社会はネットを通じた購買や検索、交通、情報コミュニケーション（SNS）が盛んであり、企業間サプライチェーンや金融経済システムなどの複雑に相互作用した経済活動が成り立っている。これらの膨大な社会データは教師信号を付けられない「ネットワーク型の関係性データ」と呼ばれる。たとえば購買層のクラスタ分類やコミュニティ抽出、電力・通信インフラの構築といった社会科学系の課題を扱うには関係性データの分析が重要となる。
本書はまずデータ分析に役立つPythonツールを解説し、経済システムの分析、コミュニティの効率的抽出、口コミ影響力の解析といった内容に続く。複雑ネットワークはAI技術だけで解決できる分野ではなく、研究の重要性は年々上がっている。Web系のマーケターやデータ分析エンジニア、データサイエンティストを目指す学生を読者対象に位置づける。
【目次】
第1章 Pythonを用いた複雑ネットワーク分析
1.1 はじめに
1.2 Pythonおよび外部モジュールのインストール
1.3 Jupyterノートブック
1.4 基本ツール
1.5 統計解析ツール
1.6 よく知られたネットワーク分析ツール：NetworkX
1.7 最新でより強力な分析ツール：graph-tool
1.8 計算の高速化
1.9 おわりに
コラム1：より詳しく学ぶための参考図書
第2章 ネットワーク分析指標の経済系への応用
2.1 はじめに
2.2 経済システムのシステミック・リスクに関するネットワーク研究
2.3 国の経済発展に関するネットワーク研究
2.4 企業間サプライチェーンに関するネットワーク研究
2.5 道具箱としての2章のまとめ
コラム2：ネットワークのオープンデータと可視化ツール
第3章 ランダムウォーク：コミュニティ抽出のキーツール
3.1 はじめに
3.2 ネットワーク上のランダムウォーク
3.3 代表的なコミュニティ抽出：ランダムウォークの枠組みによる定式化
3.4 コミュニティ抽出機能の拡張
3.5 今後の展望
3.6 道具箱としての3章のまとめ
コラム 3：リッチクラブ―金持ち同士は偶然以上につながっているか？―
第4章 インフルエンサーの抽出や最適な攻撃耐性に関する進展
4.1 SNSなどにおける口コミの影響力をビジネスに
4.2 口コミの影響力を表す指標
4.3 攻撃耐性の最適強化は本質的に難しい
4.4 機械学習的な高速近似解法
4.5 攻撃に最も強い玉葱状構造の創発
4.6 道具箱としての4章のまとめ
コラム4：GoogleのPagaRankの技術面での先進性
第1章 Pythonを用いた複雑ネットワーク分析
1.1 はじめに
1.2 Pythonおよび外部モジュールのインストール
1.3 Jupyterノートブック
1.4 基本ツール
1.5 統計解析ツール
1.6 よく知られたネットワーク分析ツール：NetworkX
1.7 最新でより強力な分析ツール：graph-tool
1.8 計算の高速化
1.9 おわりに
コラム1：より詳しく学ぶための参考図書
第2章 ネットワーク分析指標の経済系への応用
2.1 はじめに
2.2 経済システムのシステミック・リスクに関するネットワーク研究
2.3 国の経済発展に関するネットワーク研究
2.4 企業間サプライチェーンに関するネットワーク研究
2.5 道具箱としての2章のまとめ
コラム2：ネットワークのオープンデータと可視化ツール
第3章 ランダムウォーク：コミュニティ抽出のキーツール
3.1 はじめに
3.2 ネットワーク上のランダムウォーク
3.3 代表的なコミュニティ抽出：ランダムウォークの枠組みによる定式化
3.4 コミュニティ抽出機能の拡張
3.5 今後の展望
3.6 道具箱としての3章のまとめ
コラム 3：リッチクラブ―金持ち同士は偶然以上につながっているか？―
第4章 インフルエンサーの抽出や最適な攻撃耐性に関する進展
4.1 SNSなどにおける口コミの影響力をビジネスに
4.2 口コミの影響力を表す指標
4.3 攻撃耐性の最適強化は本質的に難しい
4.4 機械学習的な高速近似解法
4.5 攻撃に最も強い玉葱状構造の創発
4.6 道具箱としての4章のまとめ
コラム4：GoogleのPagaRankの技術面での先進性
本書はまずデータ分析に役立つPythonツールを解説し、経済システムの分析、コミュニティの効率的抽出、口コミ影響力の解析といった内容に続く。複雑ネットワークはAI技術だけで解決できる分野ではなく、研究の重要性は年々上がっている。Web系のマーケターやデータ分析エンジニア、データサイエンティストを目指す学生を読者対象に位置づける。
【目次】
第1章 Pythonを用いた複雑ネットワーク分析
1.1 はじめに
1.2 Pythonおよび外部モジュールのインストール
1.3 Jupyterノートブック
1.4 基本ツール
1.5 統計解析ツール
1.6 よく知られたネットワーク分析ツール：NetworkX
1.7 最新でより強力な分析ツール：graph-tool
1.8 計算の高速化
1.9 おわりに
コラム1：より詳しく学ぶための参考図書
第2章 ネットワーク分析指標の経済系への応用
2.1 はじめに
2.2 経済システムのシステミック・リスクに関するネットワーク研究
2.3 国の経済発展に関するネットワーク研究
2.4 企業間サプライチェーンに関するネットワーク研究
2.5 道具箱としての2章のまとめ
コラム2：ネットワークのオープンデータと可視化ツール
第3章 ランダムウォーク：コミュニティ抽出のキーツール
3.1 はじめに
3.2 ネットワーク上のランダムウォーク
3.3 代表的なコミュニティ抽出：ランダムウォークの枠組みによる定式化
3.4 コミュニティ抽出機能の拡張
3.5 今後の展望
3.6 道具箱としての3章のまとめ
コラム 3：リッチクラブ―金持ち同士は偶然以上につながっているか？―
第4章 インフルエンサーの抽出や最適な攻撃耐性に関する進展
4.1 SNSなどにおける口コミの影響力をビジネスに
4.2 口コミの影響力を表す指標
4.3 攻撃耐性の最適強化は本質的に難しい
4.4 機械学習的な高速近似解法
4.5 攻撃に最も強い玉葱状構造の創発
4.6 道具箱としての4章のまとめ
コラム4：GoogleのPagaRankの技術面での先進性
第1章 Pythonを用いた複雑ネットワーク分析
1.1 はじめに
1.2 Pythonおよび外部モジュールのインストール
1.3 Jupyterノートブック
1.4 基本ツール
1.5 統計解析ツール
1.6 よく知られたネットワーク分析ツール：NetworkX
1.7 最新でより強力な分析ツール：graph-tool
1.8 計算の高速化
1.9 おわりに
コラム1：より詳しく学ぶための参考図書
第2章 ネットワーク分析指標の経済系への応用
2.1 はじめに
2.2 経済システムのシステミック・リスクに関するネットワーク研究
2.3 国の経済発展に関するネットワーク研究
2.4 企業間サプライチェーンに関するネットワーク研究
2.5 道具箱としての2章のまとめ
コラム2：ネットワークのオープンデータと可視化ツール
第3章 ランダムウォーク：コミュニティ抽出のキーツール
3.1 はじめに
3.2 ネットワーク上のランダムウォーク
3.3 代表的なコミュニティ抽出：ランダムウォークの枠組みによる定式化
3.4 コミュニティ抽出機能の拡張
3.5 今後の展望
3.6 道具箱としての3章のまとめ
コラム 3：リッチクラブ―金持ち同士は偶然以上につながっているか？―
第4章 インフルエンサーの抽出や最適な攻撃耐性に関する進展
4.1 SNSなどにおける口コミの影響力をビジネスに
4.2 口コミの影響力を表す指標
4.3 攻撃耐性の最適強化は本質的に難しい
4.4 機械学習的な高速近似解法
4.5 攻撃に最も強い玉葱状構造の創発
4.6 道具箱としての4章のまとめ
コラム4：GoogleのPagaRankの技術面での先進性
購入前の注意点
・3Dセキュア導入とクレジットカードによるお支払いについて
・この書籍はKinoppy for iOS、Kinoppy for Android、Kinoppy for Windows または Kinoppy for Mac（いずれも最新版）でお読みください。
・この商品は "Reader™" ではお読み頂けません。
・電子書籍は会員サービス利用規約に則してご利用いただきます。
・海外会員様にはプレゼントを贈れません。
・この書籍はKinoppy for iOS、Kinoppy for Android、Kinoppy for Windows または Kinoppy for Mac（いずれも最新版）でお読みください。
・この商品は "Reader™" ではお読み頂けません。
・電子書籍は会員サービス利用規約に則してご利用いただきます。
・海外会員様にはプレゼントを贈れません。
著者情報
林幸雄［ハヤシユキオ］
１９８７年豊橋技術科学大学大学院電気電子工学専攻修士課程修了。富士ゼロックス（株）システム技術研究所。１９９１年国際電気通信基礎技術研究所。ＡＴＲ視聴聴覚機構研究所人間情報通信研究所（出向）。１９９５年博士（工学）（京都大学）。１９９７年北陸先端科学技術大学院大学知識科学研究科助教授。２００３年文部科学省研究振興局学術調査官（併任）。２００８年科学技術振興機構さきがけ「知の創生と情報社会」領域アドバイザー（併任）。現在、北陸先端科学技術大学院大学先端科学技術研究科／融合科学共同専攻、教授
谷澤俊弘［タニザワトシヒロ］
１９９５年京都大学大学院博士後期課程満期退学。１９９８年博士（理学）。１９９８年高知工業高等専門学校電気工学科講師。２０００年高知工業高等専門学校電気工学科助教授。２００３年米ボストン大学高分子研究所客員研究員。２０１２年高知工業高等専門学校電気工学科教授。現在、高知工業高等専門学校ソーシャルデザイン工学科教授。統計物理学を基礎とするネットワーク理論の研究に従事
鬼頭朋見［キトウトモミ］
２００５年日本学術振興会特別研究員ＤＣ２。２００７年東京大学大学院工学系研究科博士後期課程修了、博士（工学）。２００７年Ｖｉｓｉｔｉｎｇ Ｆｅｌｌｏｗ，Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｂａｔｈ，ＵＫ。２００８年東京大学人工物研究センター特任助教。２００８年Ｒｅｓｅａｒｃｈ Ｆｅｌｌｏｗ，Ｓａ¨ｉｄ Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｏｘｆｏｒｄ， ＵＫ。２０１２年東京大学工学部助教。２０１３年Ｓｅｎｉｏｒ Ｒｅｓｅａｒｃｈ Ｆｅｌｌｏｗ，Ｓａ¨ｉｄ Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｏｘｆｏｒｄ， ＵＫ。２０１５年筑波大学システム情報系助教。２０１８年早稲田大学創造理工学部准教授。サプライチェーンや企業戦略等に関する工学的研究に従事
岡本洋［オカモトヒロシ］
１９９１年早稲田大学大学院理工学研究科博士後期課程修了、博士（理学）。１９９１年富士ゼロックス株式会社勤務、研究主査（退職時）。２０１８年ドワンゴ人工知能研究所シニアリサーチャー。２０１９年東京大学大学院工学系研究科バイオエンジニアリング専攻、特任研究員。複雑ネットワーク科学、確率的機械学習および計算論的神経科学の研究に従事（本データはこの書籍が刊行された当時に掲載されていたものです）
１９８７年豊橋技術科学大学大学院電気電子工学専攻修士課程修了。富士ゼロックス（株）システム技術研究所。１９９１年国際電気通信基礎技術研究所。ＡＴＲ視聴聴覚機構研究所人間情報通信研究所（出向）。１９９５年博士（工学）（京都大学）。１９９７年北陸先端科学技術大学院大学知識科学研究科助教授。２００３年文部科学省研究振興局学術調査官（併任）。２００８年科学技術振興機構さきがけ「知の創生と情報社会」領域アドバイザー（併任）。現在、北陸先端科学技術大学院大学先端科学技術研究科／融合科学共同専攻、教授
谷澤俊弘［タニザワトシヒロ］
１９９５年京都大学大学院博士後期課程満期退学。１９９８年博士（理学）。１９９８年高知工業高等専門学校電気工学科講師。２０００年高知工業高等専門学校電気工学科助教授。２００３年米ボストン大学高分子研究所客員研究員。２０１２年高知工業高等専門学校電気工学科教授。現在、高知工業高等専門学校ソーシャルデザイン工学科教授。統計物理学を基礎とするネットワーク理論の研究に従事
鬼頭朋見［キトウトモミ］
２００５年日本学術振興会特別研究員ＤＣ２。２００７年東京大学大学院工学系研究科博士後期課程修了、博士（工学）。２００７年Ｖｉｓｉｔｉｎｇ Ｆｅｌｌｏｗ，Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｂａｔｈ，ＵＫ。２００８年東京大学人工物研究センター特任助教。２００８年Ｒｅｓｅａｒｃｈ Ｆｅｌｌｏｗ，Ｓａ¨ｉｄ Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｏｘｆｏｒｄ， ＵＫ。２０１２年東京大学工学部助教。２０１３年Ｓｅｎｉｏｒ Ｒｅｓｅａｒｃｈ Ｆｅｌｌｏｗ，Ｓａ¨ｉｄ Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｏｘｆｏｒｄ， ＵＫ。２０１５年筑波大学システム情報系助教。２０１８年早稲田大学創造理工学部准教授。サプライチェーンや企業戦略等に関する工学的研究に従事
岡本洋［オカモトヒロシ］
１９９１年早稲田大学大学院理工学研究科博士後期課程修了、博士（理学）。１９９１年富士ゼロックス株式会社勤務、研究主査（退職時）。２０１８年ドワンゴ人工知能研究所シニアリサーチャー。２０１９年東京大学大学院工学系研究科バイオエンジニアリング専攻、特任研究員。複雑ネットワーク科学、確率的機械学習および計算論的神経科学の研究に従事（本データはこの書籍が刊行された当時に掲載されていたものです）
