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

【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

データサイエンティストと呼ばれる人たちが、統計や機械学習だけでなく、計算機やプログラミング、データベースまで含めてどんな知識を身につけているのかを、一冊でひととおり見渡すための入門書です。『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』は、久野遼平氏と木脇太一氏の共著で、KADOKAWA から 2018 年 3 月 29 日に発売されました。版元の紹介文は、データサイエンスとは何かという基礎から、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、画像解析までを扱う、気鋭の若手研究者によるデータサイエンス入門の一冊と説明しています。刊行時の著者紹介では、両氏とも東京大学の情報理工学系研究科で特任助教を務めていました。

全 5 部 20 項目、計算機の基礎からディープラーニングまで

目次は 5 部に分かれ、(1) から (20) までの通し番号の項目が並びます。第 1 部「データサイエンスの基本」は (1) 「データサイエンスとは?」の 1 項目で、第 2 部「データサイエンスの基礎技術」は計算機の仕組み、プログラミングの基礎、アルゴリズム、データベース、最適化の方法の 7 項目です。第 3 部「統計学・機械学習の基礎」は機械学習の基本から始まり、過学習とモデル選択、回帰問題、アンサンブル学習、分類問題、教師なし学習の 6 項目で、回帰とアンサンブル学習の項目はどちらも住宅価格を題材にしています。第 4 部「コーパスとネットワークの分析」はトピックモデルとネットワーク分析の 2 項目、第 5 部「ディープラーニング」はニューラルネットワークの基礎から、系列データの分析と画像の分析までの 4 項目です。分析の手法だけでなく、それを動かす計算機とプログラムの側から書き起こしているのが、この本の目次の特徴です。

過学習とモデル選択が機械学習の入口で大切な理由

データから規則を学び取る手法 を初めて学ぶ人がつまずきやすいのは、手元のデータにはよく当てはまるのに、新しいデータでは外れてしまうモデルを作ってしまうことです。これは過学習と呼ばれ、モデルを複雑にするほど起きやすくなります。そのため、学習に使っていないデータで性能を確かめ、複雑さの違うモデルの中から未知のデータに強いものを選ぶ手順が欠かせません。また、正解の付いたデータから予測を学ぶ教師あり学習と、正解なしにデータの構造を見つける教師なし学習では、使える評価の方法も目的も異なります。第 3 部は機械学習の基本の直後に過学習とモデル選択を置き、そのうえで回帰、分類、教師なし学習へ進む並びです。

データサイエンスの見取り図として使う読者と、次に進む本

書名が示すとおり、本書は大学 4 年間で学ぶデータサイエンスの範囲をざっと見渡し、分野同士のつながりをつかむ入口の本です。データ分析の仕事に関心がありながら、統計、プログラミング、機械学習のどこから手を付ければよいか決めかねている人や、分析の担当者と話すための共通の土台を作りたい人に向けた本です。一方で、特定の手法を実務で使えるところまで身につけるための本ではありません。機械学習やディープラーニングの次の一冊を選ぶときは 機械学習とディープラーニングの本の選び方 が参考になります。