東京大学のデータサイエンティスト育成講座 ~Pythonで手を動かして学ぶデ―タ分析~
- マイナビ出版 (2019年3月14日発売)
- Amazon.co.jp ・本 (448ページ)
- / ISBN・EAN: 9784839965259
作品紹介・あらすじ
本書は、2017年と2018年に東京大学で実施された講座で使われた教材がベースになっています。約400名ほどの受講枠(2年間)に、のべ1,800人以上の応募があった人気の講義です。この本のベースとなるコンテンツをさらに精査、ブラッシュアップし、読みやすく整えたものが本書になります。
本書には、データサイエンティストになるための基礎をつめこんでいます。データサイエンティストは、Pythonや確率・統計、機械学習など、幅広くさまざまな分野の知識を必要とします。
この本は主にPython 3を使って、基本的なプログラムの書き方、データの取得、読み込み、そのデータ操作からはじまり、さまざまなPythonのライブラリの使い方、確率統計の手法、機械学習(教師あり学習、教師なし学習とチューニング)の使い方についても学びます。取り扱っているデータは、マーケティングに関するデータやログデータ、金融時系列データなどさまざまで、モデリングの前にそれらを加工する手法も紹介しています。データサイエンティストになるには、どれも必要なスキルです。
本書には、さらに以下の3つの特徴があります。
・実際のデータを使って手を動かしながら、データサイエンスのスキルを身に付けることができる
・データ分析の現場で使える実践的な内容(データ前処理など)が含まれている
・練習問題や総合問題演習など実際に頭を使って考える内容がたくさんある
感想・レビュー・書評
-
データ活用、機械学習で使うであろう数学知識とPythonでのやり方を広く浅くまとめてる。
実際にコードも書かれてるので自分で書くとより理解できそう。詳細をみるコメント0件をすべて表示 -
データサイエンティストとはどのような知識が必要なものなのかという観点で最初の1冊として購入しました。
結論から言うと、よく整理されていている点は良いのですが、深く学ぼうとすると、この本だけでは難しいと思います。
おすすめはこの本をベースにつまずく部分があれば別の本かネットで調べて進めていくのが良いと思います。
私の場合は、手を動かしならが進めていくうちに、統計学で詰まりました。ただプログラムを写して進めていくこともできますが、納得しながら進めないと意味がないと思い、その後、統計学を別の本で勉強、機械学習についても別の本で学習しました。再度、この本に戻って再勉強すると、よく整理させていて理解することができました。 -
これ一冊では網羅できるわけではないが、かなり広範囲のデータサイエンティスト基礎が詰まっている本
且つpythonの知識も身につき手も動かして実際に経験できるので、とてもオススメ -
これまでBIツールを用いて見える化を試みたが、
前段の分析技法が欠落しており、空回りに終わっていた。
腰を据えて、基礎から学び直し。 -
本書は、私の研究室(人工知能研究室)でPython言語及び機械学習の入門教科書として、毎週1回、プレ配属で来られた3年生対象の研究室ゼミに活用させていただいております。一番の推しは、インターネットがあれば、各自のPython環境(Jupyter Notebook、Google Colaboratory)を構築することができ、この本のコンテンツもそのままダウンロードして、学ぶことができます。また、確率と統計の基礎、機械学習の基礎(教師あり学習、教師なし学習)を紹介しており、データサイエンス・人工知能(AI)の入門書として相応しい内容となっています。但し、強化学習や深層学習の内容はなく、AI分野の最先端を勉強することはできません。
↓利用状況はこちらから↓
https://mlib3.nit.ac.jp/webopac/BB00549091 -
■一橋大学所在情報(HERMES-catalogへのリンク)
【書籍】
https://opac.lib.hit-u.ac.jp/opac/opac_link/bibid/1001153546
-
広ーくあさーく一通り書いてある本(この手の本でPython自体の基礎から始まっていると、流石にそこからだとページ足りんだろ、、ってなるが)
なので操作を覚えるというよりはこういうことできるのねーってなんとなく感覚を知るか、他の基礎本でやった後に次何を勉強するべきかをざっと復習がてら確認するのに良さそう。今回は後者目的で読んだ。その意味では参考文献がたくさん載っていたのがよかったな。 -
東2法経図・6F開架:007.6A/Ts54t//K
-
pythonの文法や、数多いライブラリの使い方を齧るよりも前に、線形代数、微積分・最適化、数理統計をある程度トレーニングしておくこと、さらに、それ以前に、全体と細部を同時に「思い、感じる」という科学的なものの見方について、いわゆる教養が必要だとは思う。それでも、コンピュータという道具は、習うより慣れろという面があるのも、また真実であり、そういう点で、項目の立て方や見易さ、さりげないヒントの書き込み方など、とても良いテキストだと感じた。