Ｔａｂｌｅａｕで始めるデータサイエンス

データビジュアライゼーションのTableauとプログラミング言語Pythonの組み合わせで学ぶデータサイエンス入門書の登場！

　「楽しいデータサイエンスの入門書」があってもいいと思いませんか？

　例えば、「データの理解」。Pythonのコーディングでもできますが、BIツールならドラッグアンドドロップで、考えるスピードと同時に答えが浮かび上がってきます。
　つまり、データサイエンスの標準と言えるCRISP-DMプロセスの中で、楽ができるところはTableauで楽をしてしまえば良いのではないか。そして何より、Tableauを使えば、楽しんでデータサイエンスのプロセスに取り組むことができます。
　一方、モデルの作成（モデリング）には、ディープラーニングを含む最新のアルゴリズムが無料で利用できるPythonを利用しない手はないでしょう。

　そこで、データの理解・準備にはTableauを使い、モデルの作成にはPython。その結果のプレゼンテーションには再びTableauというように、TableauとPythonを使い分け、補完することで、データサイエンスのプロセスが効率的に楽しく学べる。この本は、「ちょっと難しそう」と思われがちなデータサイエンスも、Tableauなら挑戦できるのではないか？　というアイデアから始まっています。
　
　本書を手にしていただきたいのは、すでにTableauでビジュアル分析をしていて、機械学習を用いる次のレベルのデータ活用にチャレンジしたい方、データサイエンスの入門にはコーディングと数学で挫折してしまった方です。もちろん、データサイエンティストとして活躍されている方でも、「Tableauを使ってもっと効率的にデータサイエンスのプロセスを回したい」「魅力的なプレゼンテーションでビジネスサイドを説得したい」と思われているのであれば、この本が参考になります。

　本書は、CRISP-DM（Cross-Industry Standard Process for Data Mining）の「6つのプロセス」に準拠しています。

①ビジネスの理解
②データの理解
③データの準備
④モデリング
⑤評価
⑥共有・展開

　本書の第2 章は「基礎体力編」と題し、CRISP-DMのステップの各要素にフォーカスします。
　「データの理解」について、2.1「データ可視化の基礎」にて、Tableau Desktopを利用して学習します。
　「データの準備」について、2.2「データの準備の基礎」にて、Tableau Prep Builderを利用して学習します。
　「モデリング」については、2.3「予測モデル作成の基礎」にて、Python の基本的な構文から始めて予測モデルの作成、Pythonでの評価方法までを学習します。

　第3 章は「実践編」と題して、CRISP-DMのステップを組み合わせ、パブ