ゼロからはじめるデータサイエンス 第 2 版(ゼロカラハジメルデータサイエンスダイニハン)

データサイエンスと Python をゼロから学べる。 Python 3 対応!
データサイエンスや Python の初心者に向けたデータサイエンス入門書『ゼロからはじめるデータサイエンス』の改訂版であり、 Python 3.6 に対応しています。 Python の基礎から線形代数、統計確率の基礎、回帰、ナイーブベイズ、決定木、ニューラルネット、自然言語処理、グラフ解析、リコメンドシステム、機械学習、 SQL 、 MapReduce まで、データサイエンスの基礎知識を短時間で効率良く身につけられます。

『ゼロからはじめるデータサイエンス 第 2 版 Python で学ぶ基本と実践』は、 O'Reilly Media の『 Data Science from Scratch, 2nd Edition 』を邦訳した一冊で、 Joel Grus 氏の著書を菊池彰氏が翻訳し、オライリー・ジャパンから 2020 年 5 月に刊行されました (発売はオーム社) 。第 1 版の刊行から 5 年を経て、 Python のバージョンアップやライブラリの充実といった変化を踏まえ内容を全面的にあらためた改訂版です。 pandas や scikit-learn の使い方を教える本ではありません。統計や機械学習の主要な手法を、既製のライブラリに頼らず 自分の手で実装しながら「なぜこの計算をするのか」を原理から理解させる、書名どおりゼロからはじめるアプローチの入門書です。

全 27 章の構成: 物語仕立てで道具を増やす

全 27 章という分量ですが、読み口には仕掛けがあります。読者は架空のソーシャルネットワーク運営企業、データサイエンス・スター社のデータサイエンティストという設定で、章ごとに与えられる課題を解きながら道具を増やしていきます。序盤は Python 速習コースに続けて、データの可視化、線形代数、統計、確率、仮説と推定、勾配降下法と、データサイエンスの数学的な足場を Python コードで組み立てます。データの取得と操作を挟んで、中盤は機械学習の各論です。 k 近傍法、ナイーブベイズ、単純な線形回帰から重回帰・ロジスティック回帰、決定木、ニューラルネットワーク、ディープラーニング、クラスタリングまでを 1 章ずつスクラッチ実装します。終盤は自然言語処理、ネットワーク分析、リコメンドシステム、データベースと SQL 、 MapReduce へ広がり、データ倫理に独立した 1 章を割いてから、「前進しよう、データサイエンティストとして」という次の一歩の案内で締めくくられます。

読みどころ: 章をまたいで積み上がるコード

この本の設計で見逃せないのは、コードが章をまたいで積み上がっていく点です。 GitHub で提供される各章のコードは、前の章までに自作した関数を基礎として使う構成になっており、線形代数の章で書いたベクトル演算が後の回帰やニューラルネットワークの実装を支えます。ライブラリの API を呼ぶだけでは素通りしてしまう「行列の掛け算がモデルのどこで効いているのか」という感覚が、この積み上げによって自然と身につきます。一方で、幅広いトピックを 1 冊で横断する以上、個々の手法の掘り下げは各分野の専門書に譲る構えです。本書の役割は、データサイエンスの主要分野を自作コードで一周し、その後に読む専門書 やライブラリのドキュメントを「中身を知っている人」として読めるようにすることにあります。

向いている読者・ツール解説書が向く読者

向いているのは、Python の基本文法 を押さえたうえで、ツールの操作ではなく仕組みからデータサイエンスに入門したい人、そして pandas や scikit-learn を使えてはいるものの中で何が起きているかを説明できないことにもどかしさを感じている実務者です。逆に、業務ですぐ使える分析レシピや特定ライブラリの習熟を求める人には、ツール解説書のほうが直接的でしょう。 2020 年刊のため Python やライブラリの周辺事情は刊行時点のものですが、本書の中心は勾配降下法や回帰といったアルゴリズムの原理であり、時間が経っても価値が目減りしにくい内容です。ブラックボックスを開けて中身を確かめる一周の旅として、データサイエンス学習の土台づくりに堂々と勧められる一冊です。