- 実践 マーケティングデータサイエンス: ショッパー行動の探索的データ解析と機械学習モデル構築 (量子AI・データサイエンス叢書)
- 清水隆史
- 学術図書出版社 / 2023年4月6日発売
- Amazon.co.jp / 本
- 購入する
データ分析やマーケティングの実務経験がある人であれば理解してるであろう内容が多い、初心者向けの書籍。
データ分析やマーケティング業務を経験したことがない新卒一年目向けがターゲットと思われる。(学生向け講義が元と書かれているが技術要素は非常に薄い)
Pythonを使って分析手法の適用はできるようになる気がするけど、この本だけの内容でマーケティング成果を上げるまでの分析レベルに達するのは難しいかも。
2023年7月14日
- RとShinyで作るWebアプリケーション
- 梅津雄一
- シーアンドアール研究所 / 2018年11月7日発売
- Amazon.co.jp / 本
- 購入する
Shinyを勉強するのに日本語の資料は少ないので、日本語でまとめてあるのは貴重。
分析手法を適用したアプリケーションなどのサンプルコードも書かれているので、わからなくてもとりあえず動かせて、動かしながら勉強していける。
2023年6月17日
- 基礎から学ぶ 実証分析: 計量経済学のための確率と統計 (経済学叢書Introductory 別巻)
- 丸茂幸平
- 新世社 / 2021年9月2日発売
- Amazon.co.jp / 本
- 購入する
基礎から学ぶ実証分析というタイトルになっているものの、どちらかというと副題の確率統計が中心の本。
最初にデータを用いた実証研究を行う上での作法を説明し、それから確率統計の説明に移る。
ページ量としては薄いものの、相関と因果の違いはもとより反証可能性などについても触れられており、まさしく実証研究を行う上で踏まえておく観点がまとめられている。
分析を行う者にとってはここだけでも読む価値がある。
確率統計の話題に関しては、σ加法族や確率空間の話から始まり、行列表記の回帰までが抑えられている。
同シリーズの他書は学部1,2年生を向けの入門書が多いと思われるが、本書籍はそれよりも高いレベルを対象としている印象を受けた。
またその一方で、難しい概念でも具体例を用いて説明されており、イメージも掴みやすく、数理統計に進む前の一歩手前のレベルになっていると思う。
統計的議論を正確にしたいと考えており、確率統計に対する理解が曖昧だと感じている人に読んで欲しい本。
2022年6月28日
- 計量経済学のための数学
- 田中久稔
- 日本評論社 / 2019年8月23日発売
- Amazon.co.jp / 本
- 購入する
エココメで必須となる最低限の数学について解説した本。行列を用いた統計学に初めて触れる人向け。
内容としては線形代数がメインだが、後半で確率論の話に入ってσ加法族、ボレル集合の話に入るため、最初に集合と写像についても触れている。
また、演習問題があり解答があるのも嬉しい。
ただ、最初に述べられているとおり、トピック的にエコノメで使う線形代数に絞られており、射影行列へ繋げるための内容がメインとなるため、クラメールの公式などは触れてない。
また、エコノメでも出てくる分割行列の計算やクロネッカー積などは触れていない。
概念の説明については非常にクリアで数学が苦手な人にとっても読みやすく、統計学を使うけれど線形代数に触れたことがない人に是非読んで欲しい一冊。
2022年4月4日
- 感情に振り回されない技術~穏やかで前向きなこころを手に入れる44の習慣~
- 西多昌規
- 大和書房 / 2015年11月6日発売
- Amazon.co.jp / 本
- 購入する
自分の立ち振る舞い方について整理する本。
それなりに社会経験を積んだ人であれば、記載されているようなことは経験しており、経験から書いてある内容を理解し、実践できている人も多いような気がする。
望ましい立ち振る舞い方について示唆するところもある一方で経験則で理解しているとこも多いと思うので、この本の売りとしては示唆についての学術的な説明が付与されているところだと思う。
社会経験を2,3年積んで、書かれていることを経験している人向けの本。
2022年1月4日
- はじめよう! 要件定義 ~ビギナーからベテランまで
- 羽生章洋
- 技術評論社 / 2015年2月28日発売
- Amazon.co.jp / 本
- 購入する
要件定義という言葉を初めて聞いた人向けの本。
レベル感的にかなり易しめな印象で、要件定義でどんな作業が必要か、その作業を怠るとどんな問題が起こるかがわかる。
内容は簡潔にまとめられているため、詳細な勉強に進むための次のレベルの参考文献などが記載されてると良いと思った。
2021年12月12日
- いちばんやさしい量子コンピューターの教本 人気講師が教える世界が注目する最新テクノロジー (「いちばんやさしい教本」シリーズ)
- 湊雄一郎
- インプレス / 2019年5月20日発売
- Amazon.co.jp / 本
- 購入する
「いちばんやさしい量子コンピューターの教本」というタイトルのとおり、おそらくいちばんやさしく解説されていると思われる本。
量子力学の知識は一切必要なく読める。
ただし、コンピューターに関する初歩的な基礎知識は必要で、そこの理解がないと従来式コンピューターと量子コンピューターの違いはわからない可能性がある。
個人的には完全なド素人なので、詳細な仕組みは理解できなかったが、なんとなくイメージを掴むことができた。
早い話、従来型コンピューターでは、すごく計算時間がかかるような計算において、ビットの仕組み、演算の仕組みに量子力学的な発想を適用することで、高速化に成功したコンピューターという話かと思われる。
ただ、計算量が膨大で量子コンピューターが必要となるような実サービスが社会にどれだけあるかは懐疑的なので、研究開発のための計算以外において必要とされるケースがどれだけ出てくるのかは疑問に思った。
2021年9月22日
- 99%の人がしていないたった1%の仕事のコツ (たった1%のコツシリーズ)
- 河野英太郎
- ディスカヴァー・トゥエンティワン / 2012年3月12日発売
- Amazon.co.jp / 本
- 購入する
仕事の取り組み方のノウハウ本。
実際の業務上でよくあるつまづきそうなケースが取り扱われており、それに対する対策がわかりやすく説明されている。
報告は相手と情報レベルを揃えて報告すること、会議は「目的」と「ゴール」を事前に共有して進めること、
メールは箇条書きを上手く使い、スクロールさせない分量に収めるなど、
業務上のハックが書かれており、タイトルどおりの内容となっている。(99%の人がしていないかはともかく)
社会人経験をそれなりに積んでいる人にとっては経験していることが多い内容と思われるため、新卒入社の方向け。
2021年9月19日
- 「言葉にできる」は武器になる。
- 梅田悟司
- 日経BP 日本経済新聞出版 / 2016年8月1日発売
- Amazon.co.jp / 本
- 購入する
業務において、自分の考えを適切に表現できない経験が多々あったため読んだ本。
本書は、言葉は思考の上澄みであり、思考そのものを深めるのが必要というスタンス。
なので、内容的には前半が考えを深めるための思考のサイクルのロジカルシンキング系、後半が言葉の表現のテクニック系という感じ。
前半、後半の内容がそれぞれ別のテーマとして書かれている本は多々あると思うものの、
「上手く言葉にできない」という課題に対して2つの理屈を繋げることで、上手く言葉にできない理由やどのように伝えるべきかを示唆してくれる一冊。
2021年9月19日
- 実践 時系列解析 ―統計と機械学習による予測
- Aileen Nielsen
- オライリージャパン / 2021年9月18日発売
- Amazon.co.jp / 本
- 購入する
幅広いトピックを扱ってるものの、それぞれの内容は薄め。
ページ数は多く見えるがコードが結構多くを占めているので、量の割にはカバーしている内容の範囲は狭く、内容も結構浅く感じた。説明的には「分析にはこのライブラリを使います。このライブラリを使うと、例えばこんなことができます」というレベルの説明が多いため、時系列を初めて勉強する人向けで手を動かしてみる入門書という印象。
後半は機械学習の手法が書かれていたが、時系列用の機械学習でもなく普通の機械学習の決定木レベルの話であったため、載せる必要があったかは正直疑問に感じた。
ただ、各章でのトピックに対する参考文献はしっかりと書かれているので、時系列を勉強する際の道筋を示してくれているという意味では良い本。
2021年11月28日
- ディープラーニング構築テンプレート[AIプロジェクトの必須事項と技術的指針] (impress top gear)
- Adam Gibson
- インプレス / 2020年9月23日発売
- Amazon.co.jp / 本
- 購入する
ディープラーニング構築テンプレートというタイトルであるが、テンプレートというほど具体的な作業にまとめられておらず、ディープラーニングプロジェクトの概要本という感じ。
実際に構築して実装を行うレベルの人向けではなく、読んだとしても実際にモデル構築、システム実装まではできるようにならないと思われる。
ディープラーニングの理論そのものや、ディープラーニングのプロジェクトにはどういったプロセスがあるかを初めて学ぶ人向けのレベル。
エンジニア向けでなく、営業さんのような人達がディープラーニングのプロジェクトについて、概要を掴むために読むような本。
2021年9月18日
- 勝ち続ける意志力 (小学館101新書 132)
- 梅原大吾
- 小学館 / 2012年4月2日発売
- Amazon.co.jp / 本
- 購入する
筆者がゲームに取り組み続ける上で、多々試行錯誤しながら取り組んできたんだな、というのがよくわかる本。
ゲームに限らず、モチベーションの持ち方、正しい努力の仕方については、誰もが参考になると思う。
個人的には自分の身を振り返るきっかけになった。
2021年9月18日
- Excel×Python最速仕事術
- 金宏和實
- 日経BP / 2019年11月22日発売
- Amazon.co.jp / 本
- 購入する
PythonでExcelの操作の仕方を説明した本。
「Excel×Python最速仕事術」というタイトルであったため、Pythonを使うことによるExcel処理のメリットが理解できるかと思っていたが、正直よくわからなかった。
書かれている内容も、Excelで集計結果を出す際や、グラフを作成する際にはライブラリのopenpyxlの関数を使えばできますよ、的な内容のため、都度Webで調べれば事足りると感じた。
集計結果を出すような場合でも、openpyxlを使ってExcel上で計算するような処理が記載されており、
あくまでPythonを通してExcelで処理したい人向けの本という感じ。
Pythonを使うことでExcelの仕事を楽にしたい、早く処理したいという人向けの本ではない気がした。
2021年9月18日
- Matplotlib&Seaborn実装ハンドブック
- チーム・カルポ
- 秀和システム / 2018年9月30日発売
- Amazon.co.jp / 本
- 購入する
MatolotlibとSearbotnのリファレンス。
1ページを占める割合の多くがコードが埋めているため、ページ数の割に中身は薄い。
内容的にもグラフを書くのに使う関数を説明しているのみで、読み手に伝えるための可視化のノウハウなども触れていないため、この本に書いてある内容であればWebを調べればすぐに見つかると思われる。
関数について調べようとしたとしても、公式のドキュメントを読めば済む話なため、本としてリファレンスが必要な人以外は必要ない気がする。
2021年10月9日
- マーケティングのための統計分析
- 生田目崇
- オーム社 / 2017年11月28日発売
- Amazon.co.jp / 本
- 購入する
マーケティングで使う分析手法を解説した本。
そのため、マーケティング戦略を立てる上で、どういうプロセスがあり、各プロセスにおいてどういった手法で評価し、判断して進めていくかといった業務的観点は捨象されている。
また、最近の本では珍しくサンプルコードは配布されていない。
そのため、この本だけで業務として分析を行い、マーケティングを遂行していけるようになるには難しいと思われる。
マーケティングの分析手法のカタログのような本のため、手法そのものに興味がある人向け。
2023年4月6日
- Python 実践データ加工/可視化 100本ノック
- 下山輝昌
- 秀和システム / 2021年7月31日発売
- Amazon.co.jp / 本
- 購入する
Pythonでデータ分析の仕事をする場合に、最低限必要となるトピックを押さえている本。
前処理のレベルとしては基本な内容を丁寧に説明しているため、新人さんなどで初めてPythonでデータを操作する人などに一度取り組んで欲しい内容となっている。
2022年2月10日
- 機械学習・深層学習による自然言語処理入門 ~scikit-learnとTensorFlowを使った実践プログラミング~ (Compass Data Science)
- 中山光樹
- マイナビ出版 / 2020年2月27日発売
- Amazon.co.jp / 本
- 購入する
300頁あるものの、自然言語に限らない機械学習のトピック(特徴エンジニアリング、機械学習アルゴリズム、ニューラルネットワークの章など)が半分程度占めているため、自然言語処理の内容は思ったより薄め。
自然言語処理の機械学習的なトピックをkerasで始めてみたい人向けの本。
2021年5月17日
- 相関係数 (統計スポットライト・シリーズ 4)
- 清水邦夫
- 近代科学社 / 2020年6月27日発売
- Amazon.co.jp / 本
- 購入する
分析の早い段階でよく使われる相関係数。
ピアソン、スピアマン、ケンドールくらいしか知らないため、他に使えそうな相関係数は無いかなと思い、読んでみた。
読んだ結果として、知らなかった相関係数を知ることができ、期待どおりの内容だった。
また、それに限らず、相関係数の性質についてもしっかり示されており、嬉しい誤算だった。
ただ、ちゃんと理解するには手を動かす必要がある。
他の確率変数の間接的な影響を除く偏相関係数、
順序尺度カテゴリ変数間のポリコリック相関係数、
欠測値を含む相関係数、
角度の確率変数を含む相関係数、
などは実務でも使えそう。
個人的にはかなり好きな本。
2021年1月20日
- マンガでわかるデ-タベ-ス
- 高橋麻奈
- オーム社 / 2005年12月1日発売
- Amazon.co.jp / 本
- 購入する
データベースとはなんぞや?という人向けの本。
個人的にも、データベースって何に使うのかわからん、と思っていた時に読んだ。
内容としては、データベースそのものの役割、利点や、テーブル結合、正規化などデータの加工について説明されている。
本書に書かれている内容そのものは、Excelなどでデータを扱う際にも必要となってくる内容であると思うので、SQLなどのデータベースを扱わない人にも読んで欲しい一冊。
2020年12月1日
- 分析者のためのデータ解釈学入門 データの本質をとらえる技術
- 江崎貴裕
- ソシム / 2020年12月15日発売
- Amazon.co.jp / 本
- 購入する
データを見て、データから情報を読み取るための考え方を学ぶ本。
データ分析を行っている人にとっては既知な内容も多いとは思うが、知っておくべき内容がまとめられている。
データの解釈については、学術的な要素ではなく経験則的な内容であり、体系だった書籍は珍しく、
備忘録的な役割も含め、データ分析者としては誰もが一冊持っておいても良いと言える内容。
2021年8月8日
- 図解即戦力 Amazon Web Servicesのしくみと技術がこれ1冊でしっかりわかる教科書
- 小笠原種高
- 技術評論社 / 2019年11月7日発売
- Amazon.co.jp / 本
- 購入する
AWSの入門の入門。
表紙に「AWSの一番やさしい本」と書かれているが、その触れ込みのとおりだと思う。
内容としてはAWSのサービスの概要の説明であり、具体的な使い方については説明されていない。
そのため、この本を読んだだけで実務で利用できるようになるとは言い難い。
「AWSって何なの?」「AWSの用語を耳にするけどよくわからない、ついていけない」という人にとって、初めての一冊としてオススメできる本。
2021年3月8日
- DMM.comを支えるデータ駆動戦略
- 石垣雅人
- マイナビ出版 / 2020年9月24日発売
- Amazon.co.jp / 本
- 購入する
業務でデータ分析に関わる人にとっての必読書。
データ分析のKPI設定から、KPI改善のための分析の仮説・切り口設定、プロジェクトへの落とし込み、運用、組織構築まで、データ分析の実務において避けられない重要なテーマが広くカバーされている。
ケーススタディがDMMさんのため、ECサイトの例となっているが、内容そのものはどの業界でも適用できる内容となっている。
データ分析者はもちろん、分析の経験がないがプロジェクトを推進する立場にある人にも読んでいただきたい一冊。
2020年11月30日
- このまま今の会社にいていいのか?と一度でも思ったら読む 転職の思考法
- 北野唯我
- ダイヤモンド社 / 2018年6月21日発売
- Amazon.co.jp / 本
- 購入する
タイトルのとおり転職しようか悩んでる人のための本。
物語形式で書かれており、転職を考えている多くの人は似たような経験あるんじゃないかな、と思わされる内容。
転職は悪じゃない、という言葉は迷っている人にとっての一押しになると思う。
書いてある内容的には、多くの人が日頃頭の中で考えている内容を整理してくれて、
転職の軸としてまとめてくれているような本の印象。
2019年12月31日
- データ分析のための機械学習入門 Pythonで動かし、理解できる、人工知能技術 (Informatics&IDEA)
- 橋本泰一
- SBクリエイティブ / 2017年1月21日発売
- Amazon.co.jp / 本
- 購入する
基盤の説明から入る特徴的な本。
ページの1/3程度がHadoop関連の説明で、
残り2/3程度が機械学習の説明。
Hadoopは何に優れていて、どういう時に使うのがありがたいのかという超入門的な内容が、
データ分析者の目線から書かれていて、
Hadoopに関して知識がない人間にとっては非常にありがたかった。
後半の機械学習はニューラルネットへのつなぎのための機械学習という印象。
ナイーブベイズやパーセプトロンなどをscikit-learnを使わず、スクラッチで書かれているのも特徴的。
個人的には、Hadoopのとっかかりとしてありがたい本だと感じた。
2019年12月23日