実践 Data Science シリーズ ゼロからはじめるデータサイエンス入門 R・Python 一挙両得

◆R と Python 両方学べる。コスパ最強の一冊!◆

・コードが理解の試金石!
・「データサイエンスの準備」にページを割いているから、プログラミング経験ゼロで大丈夫!
・自分に合った言語を見つけたい、言語を乗り換えたいという方にもおすすめ!

[サポートサイト]
https: / / github.com/taroyabuki/fromzero

[主な内容]
第 1 部 データサイエンスのための準備
1 章 コンピュータとネットワーク
2 章 データサイエンスのための環境
3 章 R と Python
4 章 統計入門
5 章 前処理

第 2 部 機械学習
6 章 機械学習の目的・データ・手法
7 章 回帰 1 (単回帰)
8 章 回帰 2 (重回帰)
9 章 分類 1 (多値分類)
10 章 分類 2 (2 値分類)
11 章 深層学習と AutoML
12 章 時系列予測
13 章 教師なし学習
付録 A 環境構築
第 1 部 データサイエンスのための準備

1 章 コンピュータとネットワーク
1.1 コンピュータの基本操作
1.2 ネットワークのしくみ

2 章 データサイエンスのための環境
2.1 実行環境の選択
2.2 クラウド
2.3 Docker
2.4 ターミナルの使い方
2.5 R と Python
2.6 サンプルコードの利用

3 章 R と Python
3.1 入門
3.2 関数
3.3 コレクション
3.4 データフレーム
3.5 1 次元データの (非) 類似度
3.6 R のパッケージ, Python のモジュール
3.7 反復処理
3.8 その他

4 章 統計入門
4.1 記述統計
4.2 データの可視化
4.3 乱数
4.4 統計的推測

5 章 前処理
5.1 データの読み込み
5.2 データの変換

第 2 部 機械学習

6 章 機械学習の目的・データ・手法
6.1 機械学習の目的 (本書の場合)
6.2 機械学習のためのデータ
6.3 機械学習の手法

7 章 回帰 1 (単回帰)
7.1 自動車の停止距離
7.2 データの確認
7.3 回帰分析
7.4 当てはまりの良さの指標
7.5 K 最近傍法
7.6 検証
7.7 パラメータチューニング

8 章 回帰 2 (重回帰)
8.1 ブドウの生育条件とワインの価格
8.2 重回帰分析
8.3 標準化
8.4 入力変数の数とモデルの良さ
8.5 変数選択
8.6 補足: 正則化
8.7 ニューラルネットワーク

9 章 分類 1 (多値分類)
9.1 アヤメのデータ
9.2 木による分類
9.3 正解率
9.4 複数の木を使う方法
9.5 欠損のあるデータでの学習
9.6 他の分類手法

10 章 分類 2 (2 値分類)
10.1 2 値分類の性能指標
10.2 トレードオフ
10.3 2 値分類の実践
10.4 ロジスティック回帰

11 章 深層学習と AutoML
11.1 Keras による回帰
11.2 Keras による分類
11.3 MNIST:手書き数字の分類
11.4 AutoML

12 章 時系列予測
12.1 日時と日時の列
12.2 時系列データの予測

13 章 教師なし学習
13.1 主成分分析
13.2 クラスタ分析

付録 A 環境構築

データ分析を R と Python のどちらで始めるか決めかねている人に向けて、同じ内容を 2 つの言語で並べて学べるように組まれた入門書が『ゼロからはじめるデータサイエンス入門』です。著者は辻 真吾と矢吹 太朗の 2 名で、講談社から 2021 年 12 月に「実践 Data Science シリーズ」の 1 冊として刊行されました。副題は「R・Python 一挙両得」です。版元は「R と Python 両方学べる。コスパ最強の一冊!」と紹介し、データサイエンスの準備に紙幅を割いているのでプログラミング経験がなくても取り組めること、自分に合った言語を見つけたい人や言語を乗り換えたい人にも勧められることを案内しています。

準備の第 1 部と機械学習の第 2 部、全 13 章の構成

本書は 2 部 13 章と付録 A でできています。第 1 部「データサイエンスのための準備」は第 1 章「コンピュータとネットワーク」から始まり、コンピューターの基本操作とネットワークのしくみを確認したうえで、第 2 章で実行環境の選択、クラウド、Docker、ターミナルの使い方、サンプルコードの利用を扱います。第 3 章「R と Python」では入門、関数、コレクション、データフレーム、反復処理などの言語の基礎を 2 つの言語で押さえ、第 4 章「統計入門」で記述統計、データの可視化、乱数、統計的推測へ進み、第 5 章「前処理」でデータの読み込みと変換を扱います。第 2 部「機械学習」は第 6 章「機械学習の目的・データ・手法」で全体の見取り図を示し、単回帰、重回帰、多値分類、2 値分類の各章を経て、第 11 章「深層学習と AutoML」、第 12 章「時系列予測」、そして主成分分析とクラスター分析を扱う第 13 章「教師なし学習」で締めくくられます。巻末の付録 A は環境構築です。

同じ分析を 2 つの言語で書くことの意味

R は統計解析のために設計された言語で、ベクトルとデータフレームが言語の中心に据えられています。Python は汎用のプログラミング言語に、データ処理や機械学習のライブラリを足して使う流儀です。同じ処理を両方で書いてみると、どこまでが分析の手順そのもので、どこからが言語ごとの書き方の違いなのかを切り分けやすくなります。第 3 章には「R のパッケージ, Python のモジュール」という節も置かれています。第 2 部の題材は、第 7 章が自動車の停止距離、第 8 章がブドウの生育条件とワインの価格、第 9 章がアヤメのデータと、具体的なデータに沿って進みます。第 7 章では回帰分析と当てはまりの良さの指標に続いて、検証とパラメータチューニングの節が置かれています。機械学習 では、手元のデータへの当てはまりを良くするほど未知のデータでの予測が悪くなる過学習が避けられないため、モデルの作り方と評価の仕方を組で身につけることが欠かせません。第 11 章では Keras による回帰と分類に続いて手書き数字の分類を扱う MNIST の節があり、深層学習 まで同じ本の中で手を動かせます。

プログラミング経験ゼロから始める前提知識と向かない読者

版元はプログラミング経験ゼロで大丈夫と案内しており、目次を見ても、第 1 章のコンピューターの基本操作や第 2 章のターミナルの使い方のように、分析に入る前の段階から順に積み上げています。サンプルコードを動かす環境は、クラウドや Docker を含む選択肢から選ぶ形で、付録 A に環境構築がまとめられ、版元ページにはサポートサイトへのリンクがあります。コードは 2021 年 12 月の刊行時点の R と Python の環境を前提にしているため、ライブラリの更新で動きが変わる箇所は自分で確かめる心構えが要ります。逆に向かないのは、すでにどちらか一方の言語で分析を書けていて、もう一方を学ぶ予定もない人です。本書の持ち味である 2 言語の対比が、その場合は活きにくくなります。

研究室や職場で R と Python が混在していて両方を読めるようになりたい人、あるいはどちらの言語で分析を始めるかを実際に書き比べてから決めたい人にとって、準備から機械学習までを 1 冊で通して 2 言語分たどれる本書は、2 つの言語の入口を一度に作れる一冊です。第 1 部で環境と言語の基礎を固め、第 2 部の各章で 2 つのコードを見比べながら進めてみてください。