大学４年間のデータサイエンスが１０時間でざっと学べる

久野 遼平/木脇 太一【著】

ＫＡＤＯＫＡＷＡ（2018/03発売）

• サイズ B6判／ページ数 256p／高さ 19cm
• 商品コード 9784046022110
• NDC分類 007.6
• Cコード C0030

出版社内容情報

最先端のデータ分析の手法を基礎から応用までざっと学べる１冊！【本書の内容】
次代の花形職種である「データサイエンティスト」はどのような知識を身につけているのか？

データサイエンスとは？という基礎から、実際にデータ分析するために必要なパソコンの知識、プログラミングの基礎、機械学習、画像解析まで。

気鋭の若手研究者による、データサイエンス入門の一冊。

【本書の目次】
第１部　データサイエンスの基本●(1)データサイエンスとは？
第２部　データサイエンスの基礎技術●(2)計算機の仕組み／(3)プログラミングの基礎（１）／(4)プログラミングの基礎（２）／(5)アルゴリズム（１）／(6)アルゴリズム（２）／(7)データベース／(8)最適化の方法
第３部　統計学・機械学習の基礎●(9)機械学習の基本／(10)過学習とモデル選択／(11)回帰問題と住宅価格／(12)アンサンブル学習と住宅価格／(13)分類問題／(14)教師なし学習
第４部　コーパスとネットワークの分析●(15)トピックモデル／(16)ネットワーク分析
第５部　ディープラーニング●(17)ニューラルネットワークの基礎／(18)ディープラーニング／(19)ディープラーニングによる系列データ分析／(20)ディープラーニングによる画像分析

第１部　データサイエンスの基本●(1)データサイエンスとは？
第２部　データサイエンスの基礎技術●(2)計算機の仕組み／(3)プログラミングの基礎（１）／(4)プログラミングの基礎（２）／(5)アルゴリズム（１）／(6)アルゴリズム（２）／(7)データベース／(8)最適化の方法
第３部　統計学・機械学習の基礎●(9)機械学習の基本／(10)過学習とモデル選択／(11)回帰問題と住宅価格／(12)アンサンブル学習と住宅価格／(13)分類問題／(14)教師なし学習
第４部　コーパスとネットワークの分析●(15)トピックモデル／(16)ネットワーク分析
第５部　ディープラーニング●(17)ニューラルネットワークの基礎／(18)ディープラーニング／(19)ディープラーニングによる系列データ分析／(20)ディープラーニングによる画像分析

久野　遼平［ヒサノ　リョウヘイ］
著・文・その他

木脇　太一［キワキ　タイチ］
著・文・その他

内容説明

新時代の花形職業、データサイエンティストは何を学んでいるのか。プログラミングの基礎からアルゴリズム、ディープラーニングまで。最新データ分析の手法が基礎から身につく！

目次

第１部　データサイエンスの基本（データサイエンスとは）
第２部　データサイエンスの基礎技術（計算機の仕組み；プログラミングの基礎；アルゴリズム　ほか）
第３部　統計学・機械学習の基礎（機械学習の基本；過学習とモデル選択　ほか）
第４部　コーパスとネットワークの分析（トピックモデル；ネットワーク分析）
第５部　ディープラーニング（ニューラルネットワークの基礎；ディープラーニング　ほか）

著者等紹介

久野遼平［ヒサノリョウヘイ］
東京大学大学院情報理工学系研究科ソーシャルＩＣＴ研究センター特任助教、キヤノングローバル戦略研究所研究員。１９８４年生まれ。慶應義塾大学経済学部卒業後、一橋大学大学院経済学研究科修士課程、スイス連邦工科大学チューリッヒ校博士課程を修了。国立情報学研究所の特任研究員などを経て現職

木脇太一［キワキタイチ］
東京大学大学院情報理工学系研究科数理情報学専攻特任助教。１９８６年生まれ。東京大学大学院工学系研究科博士課程修了後、株式会社ユニーク勤務を経て現職（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[vinlandmbit]

データサイエンスという歴史や経緯にまで目を向けると非常に広範囲な分野を端的に最低限の要点を選んだ上で取り上げていて俯瞰するには最適な気がしました。おすすめです。

2020/01/13

[ブルー]

知識が無いので、大枠のみの理解に徹した。大きく分けて、6つの学習があると感じた。①計算機の構造の知識（トランジスタ、GPU等）、②情報処理知識（プログラミング、アルゴリズム、DB）、③機械学習、④統計、⑤数学（行列、確率論、線形代数、微積分）、⑥ディープラーニング（特化）基本的には浅く広くというイメージで、どう活用するのかに力を入れているように感じた。

2020/10/03

[なの]

とりあえず、目を通しました。ソフトの進化もあるのかもしれないけど、ハード面の進化が今のAIブームを支えてることがわかったりしました。 中身はよくわかりません。

2021/06/21

[ブロッコ・リー]

シラバスのような本（実際に各章冒頭にシラバスあり。）だが冒頭の演算装置やアルゴリズムの説明と後半のニューラルネットワークの概説部分の読み物的な気軽さとその間に挟まれる回帰分析や説明を省略した数式とのギャップが大きすぎて10時間では「ざっと」すら学べなかった。高校数学水準の気付きは、共分散算出過程の2係数の積から単位を外して-1~1迄の共通言語に変換する作業や標準化や正規化は一見異なる目盛りをσで比較可能にする点。今後３係数以上の相関と疑似相関排除≒微分の相関？の理解それと数式理解必須。

2021/02/01

[キョートマン]

だいたい半分くらい読んだところで頭が？？？の状態になった。もともとデータサイエンス周辺の知識がないと本書の内容にはついて行けないと思うが、学びはじめにざっくりとデータサイエンスの概観を掴む程度には有用だと思う。

2020/05/01