実践 Data Science シリーズ Python ではじめる Kaggle スタートブック(ジッセンデータサイエンスシリーズ パイソンデハジメルカグルスタートブック)

シリーズの第 2 弾は、初学者向けの Kaggle 入門書の決定版!

★「 Kaggle で勝つ」準備をしよう!★
初学者が「 Kaggle に何となく興味ある」状態から「実際のコンペに参加できる」状態になれるような内容を目指しました。

・サンプルコードの詳細な解説があるから、しっかり身につく!
・優勝チームと専業 Kaggler のコンビによる、安定のわかりやすさ!
・充実の本音対談で、やさしくサポート!
・初学者や手探りでやっているが体系的な知識を得たい人に最適。

【本書のサポートページ】
https:／／ github.com/upura/python-kaggle-start-book

【実践 Data Science シリーズ】
https:／／ www.kspub.co.jp/book/series/S069.html

【主な内容】
第 1 章 Kaggle を知る
1.1 Kaggle とは
1.2 Kaggle で用いる機械学習
1.3 Kaggle のアカウントの作成
1.4 Competitions ページの概要
1.5 環境構築不要な「 Notebooks 」の使い方

第 2 章 Titanic に取り組む
2.1 まずは submit! 順位表に載ってみよう
2.2 全体像を把握! submit までの処理の流れを見てみよう
2.3 次の一手を見い出す! 探索的データ分析をしてみよう
2.4 ここで差がつく! 仮説に基づいて新しい特徴量を作ってみよう
2.5 勾配ブースティングが最強?! いろいろな機械学習アルゴリズムを使ってみよう
2.6 機械学習アルゴリズムのお気持ち?! ハイパーパラメータを調整してみよう
2.7 submit のその前に! 「 Cross Validation 」の大切さを知ろう
2.8 三人寄れば文殊の知恵! アンサンブルを体験しよう.

第 3 章 Titanic の先に行く
3.1 複数テーブルを扱う
3.2 画像データを扱う
3.3 テキストデータを扱う

第 4 章 さらなる学びのために
4.1 参加するコンペの選び方
4.2 初学者にお勧めの戦い方
4.3 分析環境の選択肢
4.4 お勧めの資料・文献・リンク

付録 A サンプルコード詳細解説
A.1 第 2 章 Titanic に取り組む
A.2 第 3 章 Titanic の先に行く
第 1 章 Kaggle を知る
1.1 Kaggle とは
1.2 Kaggle で用いる機械学習
1.3 Kaggle のアカウントの作成
1.4 Competitions ページの概要
1.5 環境構築不要な「 Notebooks 」の使い方

第 2 章 Titanic に取り組む
2.1 まずは submit! 順位表に載ってみよう
2.2 全体像を把握! submit までの処理の流れを見てみよう
2.3 次の一手を見い出す! 探索的データ分析をしてみよう
2.4 ここで差がつく! 仮説に基づいて新しい特徴量を作ってみよう
2.5 勾配ブースティングが最強?! いろいろな機械学習アルゴリズムを使ってみよう
2.6 機械学習アルゴリズムのお気持ち?! ハイパーパラメータを調整してみよう
2.7 submit のその前に! 「 Cross Validation 」の大切さを知ろう
2.8 三人寄れば文殊の知恵! アンサンブルを体験しよう.

第 3 章 Titanic の先に行く
3.1 複数テーブルを扱う
3.2 画像データを扱う
3.3 テキストデータを扱う

第 4 章 さらなる学びのために
4.1 参加するコンペの選び方
4.2 初学者にお勧めの戦い方
4.3 分析環境の選択肢
4.4 お勧めの資料・文献・リンク

付録 A サンプルコード詳細解説
A.1 第 2 章 Titanic に取り組む
A.2 第 3 章 Titanic の先に行く

データ分析コンペティションに興味があっても、実際に Kaggle のノートブックを開くと何から手を付ければいいか分からない。本書はその最初の一歩を具体的に示すために書かれた入門書です。 Titanic をはじめとする定番コンペを題材に、データの読み込みから欠損値の処理、特徴量エンジニアリング、モデルの学習と提出まで、一連の作業フローを Python コードで追体験できます。

著者の石原祥太郎氏と村田秀樹氏はいずれも Kaggle で実績を持つデータサイエンティストで、コンペで成果を出すための実践的な知見を惜しみなく盛り込んでいます。交差検証の組み方やアンサンブルの考え方など、教科書的な機械学習の本では軽く触れて終わりがちなテーマを「スコアを上げる手段」として具体的に説明している点が特徴的です。

一方、機械学習の理論そのものを深く掘り下げる本ではないため、アルゴリズムの数学的背景を学びたい場合には別の書籍と組み合わせる必要があります。 Python の基本文法と pandas の操作にある程度慣れている人が対象で、まったくの未経験者にはやや駆け足に感じる場面もあるでしょう。「理論はあとでいいから、まず手を動かしてコンペに参加してみたい」という動機で読むと、最も噛み合います。