Kaggle で磨く 機械学習の実践力ーー実務 x コンペが鍛えたプロの手順(カグルデミガク キカイガクシュウノジッセンリョク ジツムトコンペガキタエタプロノテジュン)

● Kaggle は楽しい!
Kaggle は誰でも気軽に参加できるデータ分析の競技コンペです。
コンペで試した技を、実務に応用するーーそのシナジーにより、みるみる実力が付きます。
Kaggle マスターの著者自身がそうして得たノウハウを、惜しげもなく本書では公開します。
しかし、本書を通じてお伝えしたいのは、何より Kaggle のワクワク感です!
第 1 部●分析実務と Kaggle
1 実務に必要なスキルとは
2 Kaggle の概要
3 Kaggle を学習ツールに
第 2 部●機械学習の進め方
4 ベースライン作成
5 特徴量エンジニアリング
6 モデルチューニング
第 3 部●実践例
7 2 値分類のコンペ
8 回帰問題のコンペ
9 データサイエンティストの未来

機械学習の教科書を読み終えた人が次にぶつかるのは、「では実データで何から手を付けるか」という手順の問題です。リックテレコムから 2022 年 6 月に刊行された本書は、その手順をデータ分析コンペ Kaggle を練習場にして体に入れようという実践書で、著者は Kaggle マスターの称号を持つ諸橋政幸氏。コンペで試した技を実務に応用し、実務の課題意識をコンペに持ち込むという往復運動を学習法の核に据えているのが持ち味です。

3 部構成で、第 1 部は分析実務に必要なスキルと Kaggle の概要、そして Kaggle を学習ツールとして使う考え方。第 2 部が本体で、ベースライン作成、特徴量エンジニアリング、モデルチューニングという機械学習プロジェクトの進め方を順に固めます。第 3 部では 2 値分類と回帰という頻出の問題設定でコンペの実践例を通しでたどり、データサイエンティストの今後にも触れます。個別のアルゴリズム解説より「プロはどの順で何を確かめるか」に軸足があるため、断片的な知識が作業手順としてつながる感覚が得られます。

Python と機械学習の基礎文法を一通り済ませた人が対象で、完全な入門書ではありません。独学の次の一歩を探している人、実務でモデルを作り始めたものの我流に不安がある若手データサイエンティストなら、まず第 2 部の手順を自分の手元のデータで再現するところから始めると効果が見えやすいはずです。