■基礎編
第1章　生成AIでデータ分析をはじめよう
　［ChatGPTのデータ分析機能の概要］
　1.1　データ分析の魅力
　1.2　ChatGPTのデータ分析機能
　1.3　ChatGPTの活用にあたってのコツや注意事項
第2章　スポーツ選手は生まれ月でどれだけ差が出る？
　［PPDACサイクル，データの取得，データの整形，ヒストグラム］
　2.1　相対的年齢効果とは
　2.2　生成AIによる問題の分析
　2.3　データの分析方法
　2.4　生成AIによるデータ取得の実践
　2.5　統計的検証
　2.6　結果の解釈と考察
　2.7　まとめ
第3章　売れる漫画の価格はいくら？
　［平均，分散，散布図，相関係数］
　3.1　準備
　3.2　まずはデータの中身を見てみよう
　3.3　価格と発行部数をそれぞれ調べよう
　3.4　価格と発行部数の関係性を観察しよう
　3.5　まとめ
第4章　母親の喫煙は子どもに影響する？
　［区間推定，仮説検定］
　4.1　真値はどの辺りにいる？（区間推定）
　4.2　いかさまコインを見抜けるか？（仮説検定）
　4.3　母親の喫煙習慣と新生児の体重の関係を調べよう
　4.4　まとめ
第5章　災害に備えているのはどんな人？
　［クロス集計表，独立性の検定］
　5.1　準備
　5.2　質的変数と量的変数
　5.3　クロス集計表
　5.4　独立性の検定（カイ二乗検定）
　5.5　残差分析
　5.6　まとめ
第6章　中古マンションはいくらで売れる？
　［単回帰分析，重回帰分析，クレンジング，ダミー変数］
　6.1　準備
　6.2　データの概要を知る
　6.3　データのクレンジング
　6.4　単回帰分析
　6.5　重回帰分析
　6.6　ダミー変数
　6.7　学習済みモデルによる推論
　6.8　まとめ
第7章　単位取得のカギは勉強の「量」か「継続」か？
　［標準化，ロジスティック回帰，決定木］
　7.1　準備
　7.2　前提知識の教示
　7.3　前処理
　7.4　ロジスティック回帰分析
　7.5　決定木分析
　7.6　まとめ
第8章　十種競技の種目の関係を探る
　［相関行列，ヒートマップ，階層的クラスタリング，ネットワーク図］
　8.1　準備
　8.2　標準化データの視覚化
　8.3　相関行列とヒートマップ
　8.4　相関距離と階層的クラスタリング
　8.5　隣接行列とネットワーク図
　8.6　まとめ
第9章　政治は右と左で語れるのか
　［主成分分析，k-meansクラスタリング］
　9.1　準備
　9.2　データの読み込みと確認
　9.3　変数の選択と無回答の処理
　9.4　主成分分析による次元削減
　9.5　スクリープロット
　9.6　寄与率と累積寄与率
　9.7　負荷量と主成分の解釈
　9.8　主成分得点の散布図
　9.9　k-means法による政党の分類
　9.10　適切なクラスター数
　9.11　まとめ
■発展編
第10章　東京湾の予想海水温を可視化しよう
　［空間データ］
　10.1　準備
　10.2　東京湾の水温変化の可視化
　10.3　計算予測値と観測値の比較
　10.4　まとめ
第11章　人間関係をデータから分析する
　［社会ネットワークの可視化と分析］
　11.1　準備
　11.2　人間関係を見てみよう（ネットワークデータの可視化）
　11.3　誰が重要人物か？（中心性分析）
　11.4　仲良しグループを見つけよう（コミュニティ分解）
　11.5　まとめ
第12章　未来の株価を予測しよう
　［時系列分析，自己回帰分析］
　12.1　輸出企業株価への為替の影響
　12.2　金融データの取得
　12.3　株価とその変化率
　12.4　株と為替の相関関係
　12.5　自己回帰による株価予測モデルの構築
　12.6　まとめ
第13章　写真は「数値の集まり」？　ピクセルとRGBのひみつ
　［画像データ］
　13.1　準備
　13.2　ピクセルの可視化
　13.3　基本的な画像処理
　13.4　簡単な画像分析
　13.5　まとめ
第14章　AIはベクトルを使って言葉を理解している！？
　［テキストデータ］
　14.1　準備
　14.2　近い言葉を探す
　14.3　言葉の足し算と引き算には意味がある
　14.4　自分で言葉のベクトルを作ってみよう
　14.5　まとめ
第15章　みんなのデータはどんな音がする？
　［データの可聴化］
　15.1　文字データからメロディをつくる
　15.2　数値データからリズムをつくる
　15.3　数値の変化を和音で表す
　15.4　まとめ