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