実践 食農データサイエンス 〜Rを活用した解析プログラムの基礎から適用事例まで〜


第1編 プログラミング基礎編

第1章 食農データサイエンスとR 1 なぜRなのか 2 本書の構成 第2章 Rプログラミング基礎 1 はじめに:事前準備 2 プログラミング基礎 3 日本語を含むデータのファイルからの読み込み 4 箱ひげ図 5 cvsファイルからの入力 6 ベクトルの特徴 7 繰り返し数列,重複削除,順番に関わる演算 8 集合に関わる演算子 9 リストの特徴 10 行列 11 関数を定義する 12 apply 系関数 13 apply( ) 関数 14 tapply( ) 関数 15 lappy( ) 関数とsapply( )関数 16 mapply( ) 関数 17 ヒストグラム 18 散布図 第3章 連続分布による統計学 1 はじめに 2 推測統計学とは 3 平均値と不偏分散(標準偏差) 4 正規分布 5 t分布 6 χ2分布 7 F分布 第4章 離散分布による統計学 1 はじめに 2 数学的準備 3 二項分布,二項検定 4 二項分布,二項検定(サイコロで復習) 5 二項分布,二項検定の活用例:符号検定(n ≤ 25) 6 二項分布,二項検定の活用例:符号検定(n > 25) 7 超幾何分布 8 独立性の検定 9 ポアソン分布 10 Wilcoxon 符号つき順位和検定:対応がある2 群の検定 11 Wilcoxon 順位和検定:対応がない2 群の検定 12 統計検定のまとめ 第2編 実践編
第5章 食品分析の統計学 1 はじめに 2 室内精度の推定 3 内部精度管理(内部品質管理) 4 モンテカルロシミュレーションによる不確かさの推定 第6章 コーヒーのデータサイエンス:主成分分析,最適クラスター数,多重性検定 1 はじめに 2 教師なし学習(unsupevised Learning) 3 主成分分析法 4 散布図の作成法:plot( ),points( ),text( ) 5 クラスター分析(階層法,凝集法) 6 多重検定 7 無香料と香料コーヒーの違いを考察する 8 最適クラスターの推定:k 平均法とギャップ統計量の活用 9 総合的考察 第7章 棒茶のデータサイエンス:機械学習を中心に 1 はじめに 2 棒茶データ 3 特徴抽出 4 主成分分析 5 教師あり学習(分類問題) 6 caretパッケージ 7 線形判別分析法 8 k最近隣法(kNN法) 9 決定木 10 アンサンブル学習:バギング,ランダムフォーレスト,ブースティング 11 総合的考察 第8章 おわりに 1 分析結果を生産するラボに求められる管理と統計処理 2 食品の安全を守るための行政データの活用 3 若い世代のデータサイエンティストへの期待 4 地方固有の希少食材からその魅力を発掘するデータサイエンス
 
実践 食農データサイエンス 
〜Rを活用した解析プログラムの基礎から適用事例まで〜
Copyright (C) 2022 NTS Inc. All right reserved.