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

久野遼平 木脇太一

• KADOKAWA (2018年3月29日発売)

作品紹介・あらすじ

【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

感想・レビュー・書評

[ykikuchiさんの感想 · 2025年10月30日]

流石に、4年分の学びを10時間ではマスターはできませんが、データサイエンスと言われる領域の基本言語を学ぶことができます。それぞれの言葉を解説されていますが、理解できたものもあり、理解できないものもあります。データサイエンスに興味ある方は、理解できなかった言葉をより深く学ぶことが、次の一歩になるのでしょう。これからの時代、本書に記載されている言葉と、その意味や概要を理解しておくべきなのかも知れません。ビジネスの現場では、PCを利用しますし、データを活用してビジネスを展開することは日常茶飯事です。本書に記載されていることは、一般常識だと言われても驚きません。覚えるのは大変だけど・・・

[ガミさんの感想 · 2021年7月13日]

最近バズワードになっている、データサイエンスティスト、機械学習、ディープラーニングについて述べられていたが、正直理解するのは難しかった。

簡単に要約すると、
データサイエンスティストは、コンピュータ技術を活用し、データの収集・処理、統計学や機械学習分析、意思決定や商品開発までの流れを処理する人である。具体的な工程として、仮説の構築ーデータ収集、プログラム実装ーフィードバックである。
手法についても書かれていたが、実際にプログラムを書きながらでないとわからないと思われる。

機械学習とは、コンピューターを利用した統計学のことであり、教師ありと教師なし学習がある。大事なのは、過去のデータから未来のデータを予測する汎化性能であり、分析手法としては、線形回帰分析、パラメトリックモデル、k平均法、主成分分析がある。
機械学習を用いることで、どのようなデータからどのような特徴があるのか判断し、その情報を参考に意思決定を行なっていけばいい。

ディープラーニングは、動物の神経細胞を模倣したニューラルネットワークで構築され、文章中における単語の予測や画像認識などに用いられている。

全体として言えるのは、数学や統計学をもう少し勉強しておけば理解が深まったかもしれない。。。。

[匿名希望さんの感想 · 2018年8月6日]

データサイエンスとディープラーニング。
計算量や並び替えなどのプログラミング、アルゴリズムの話から始まり、数学や統計学。そして機械学習の話へと至ります。
数学の数式が当たり前の様に出てくるので、自分の力不足を何気に実感。いつかは、サクサクと読めるようになりたい。

[osawatさんの感想 · 2025年7月15日]

ふむ

[nekonisiさんの感想 · 2023年9月2日]

巻末の参考文献がメインだと思います。

データサイエンティストに関連した知識について
初歩的な内容、基礎的な内容から専門的な内容まで網羅されてると思います。

ただし、この本から知識を得るというよりは、
データサイエンティスト関係の知識のインデックスとして使用するのが良いと思います。

[元気！さんの感想 · 2023年7月12日]

仕事でDX関連に関わることになり、関連知識を得るために手に取りました。この領域は幅が広いのか、本当にざっと単語の意味がなんとなくわかったかな？くらいで、もう少し優しい入門資料を読む必要があるなーと思いました。

[pnictideさんの感想 · 2023年6月5日]

統計学、機械学習、深層学習をそれぞれ一部限定分野だけかいつまんで学んできた身だが、データサイエンス系の教科書はまだ読んだこと無かった。
そもそも扱う領域が広大なので、ざっくりな説明になるのは当然になるが、そんな中でも本書は概観できるよう努めていて、タイトルの役割は果たしていると思った。
コンピュータアーキテクチャ、プログラミング、アルゴリズム、データベース、最適化、統計学・機械学習の基礎を説明した上で、学習の話に少し踏み込み、応用例を250ページ程度で説明している。この本で理論を理解するというよりは、分野を概観する意味で押さえておきたい背景知識のまとまりと捉えた。

[sekishipumen さんの感想 · 2022年9月19日]

流石にこの厚さでこのテーマは無理があるか？いろいろな箇所を端折り過ぎで、この一冊では理解できないと思う。
今後勉強するときのカタログの役割にはなりそう。

[bob-taniさんの感想 · 2022年8月8日]

データサイエンスの入り口。
最適化の8あたりから内容が一気に加速する。
やや詰め込みになるが、ざっくり学びにはよい。
後半はG検定のような内容で理解までは難しい。

[たくるさんの感想 · 2022年4月9日]

シラバスって感じ。
「こんなトピックがありますよ〜」ってことで、素人にとっては、この本を読んで理解するというよりも、ここから各論に入っていくための本。

[kuwatakaさんの感想 · 2021年10月13日]

キーワード毎に絵とセットの見開き解説なので気になったら検索で補足もしやすく、まさに入り口と言える。大学はこのシリーズの本を春休みに配れば良いんじゃないかな。

[あほうどりさんの感想 · 2021年8月8日]

この分野に興味はあるのだけれど、文系の私には難しすぎた。データサイエンスの基礎技術（プログラミング、アルゴリズム）、統計学・機械学習の基礎、ディープラーニングという3章立てなのだけれど、理解できたのは1章目だけだった。

[midoridensyaさんの感想 · 2021年7月9日]

アルゴリズムの説明からディープラーニングのモデルの説明まで、網羅的に薄くなぞる構成であり、自分の理解がそこまで深まっていなかったこともあって、そんなに分厚い本でもないのにじっくりと時間をかけて読むことになった。
この本の記載内容だけで理解することは無理に思える論点も多いが、この本に載っている事柄をネット検索してどんなものであるかを押さえながら読み進めることで、かなり理解が深まった。

[ozさんの感想 · 2021年6月29日]

「ざっと学べる」というコンセプト通りの概観書。初学者はこれ一冊で理解しようとするとおそらく無理だが、本書を手掛かりに知識を深めていくと良いのではないか。

[kさんの感想 · 2021年5月1日]

データサイエンス分野で扱うトピックについての概説書。中には専門的で理解の難しい部分もあるが、基本的に平易な表現な為トピックの概要を拾うことはできた。
データサイエンスは他分野の研究や実業領域でも使われることが多くなっているため、読んでおいて損のない一冊ではある。

[大空を自由に舞う小鳥さんの感想 · 2020年11月24日]

左のページが解説、右のページが図解という構成なんだけど、わざわざ図にする意味あるのかな? ってのが多いような。

内容は見慣れない数式満載でわかりにくいです。

[キャッチさんの感想 · 2020年8月17日]

難しすぎて後半はほぼ理解できなかった。しかし上辺だけをなぞって分かった気になる入門書より参考になるのではと思った。

[Singappさんの感想 · 2020年5月4日]

　あくまで概説書。これを読んだ後に、さらに次の入門書を読むことで価値が生まれる。

[TAZさんの感想 · 2019年4月11日]

データサイエンス関連の基本事項、統計の基本、ディープラーニングの基礎など、各領域の概要を理解する程度の本として受け取るとよいと思う。
一般の人レベル向けをターゲットにして作成しているようだが、微妙に数学的記述が多いので、読むだけで理解できるレベルまではいかない。
専門性を深めるためとして、巻末に添えられている参考図書は名著が多いので、参考にするとよい。
学習後、再度読んで理解を1層落とし込むイメージの本。

[Garnetさんの感想 · 2019年3月16日]

データサイエンス。

著者プロフィール

東京大学 大学院情報理工学系研究科 講師

「2023年 『応用基礎としてのデータサイエンス　AI×データ活用の実践』 で使われていた紹介文から引用しています。」