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

読書状況 読み終わった [2019年12月31日]

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

読書状況 読み終わった [2019年12月23日]

今まで経済学に触れたことがなく、初めて学んでみようと思った時に手にとって欲しい本。

内容としては、ミクロ経済学、マクロ経済学、ゲーム理論を扱っている。
実際の社会現象に対して、理論を用いて経済学的な説明をしているため、経済理論のイメージがつかみやすく、
内容も簡単でわかりやすい。

是非読んで欲しいおすすめの本。

2019年12月23日

読書状況 読み終わった [2019年2月6日]

院試を受けた人はみんなやったことのある演習書。

ただ、最近の院試ではゲーム理論の内容が出ることも多いので、
この本だけではカバーしきれないかも。

2019年2月4日

読書状況 読み終わった
カテゴリ ミクロ経済学

今まで読んだpythonのデータ分析の本の中で、最も易しい本。

pythonの言語体系とかは説明せず、
データを読み込むにはpandasで、
グラフを作成するにはmatplotlibで、
モデルを構築するにはscikit-learnで、
というように、
分析作業はライブラリのこの関数を使うとできるよ、ということを易しく説明している感じの内容。

また、サンプルコードも数行単位で書かれており、このコマンドで何がアウトプットされるかが、プログラムを読むのに慣れていない人でも把握しやすくなっている。

プログラミングの経験が無く、pythonのデータ分析ってどうやって始めればよいかわからない、という人に対して一番最初にお勧めできる本。

2019年2月4日

読書状況 読み終わった
カテゴリ データ分析

現代ミクロ経済学とタイトルにあるとおり、今までのミクロ経済学の教科書と比較して、
ゲーム理論の内容に多くのページが割かれている教科書。

オークションのトピックが扱われていないものの、ミクロ経済学のコースワークで扱う内容も多く含まれており、
大学院のミクロ経済学のトピックに日本語で触れられる本。

MWGを読む前にサラッと読んでおくと良いかも。

2019年2月4日

読書状況 読み終わった
カテゴリ ミクロ経済学

検定を行う時のハンドブック。

検定の手順についてと、
検定そのものの説明と、
実行する関数についてまとめられた本。

検定の理論についての詳細な説明は省かれているが、
検定を行いたい際にどうすれば良いかがパッと確認できるため、
参考書として持っておくと便利かも。

2019年2月5日

読書状況 読み終わった [2019年2月5日]

機械学習のプロジェクトマネジメントの本。

個人的には、今まで機械学習のプロジェクト経験が無く、どう進めるのかイメージがわからない人向けの本と感じる。

後半では、
プロジェクトにはどういったフェーズが存在し、どういったメンバーが必要か、工数をどれくらいに見積もり費用はいくらぐらいとなるか、などの内容に触れられており、
機械学習プロジェクトを立ち上げる際に考慮すべき点がまとめられている。

プロジェクトをマネジメント、推進する立場の人にとっては、一冊持っていても損はない内容と思われる。

2020年10月17日

読書状況 読み終わった [2020年10月17日]

分析手法のハンドブックのような本。

最初から順に読んでいってデータ分析を学んでいく本ではなく、
あの手法ってどういう手法だっけ、Rでどんな関数を使うんだっけ、というのを調べる時に使う本。

そのため、データ分析のプロセスに関する説明や、モデルの精度評価に関しての説明はない。

2019年2月4日

読書状況 読み終わった
カテゴリ データ分析

データ分析における作業を一つ一つ説明した本。

データの可視化やクレンジングに、
様々なRの便利なパッケージを使用しているため、
非常に実践的な内容となっている。
モデル構築に関してはcaretを使っているため、
人によっては好き嫌いがわかれるかもしれない。

この1冊を最初から最後までコードを回して内容を追っていくことでデータ分析の流れを学べ、
読み終わった後にはkaggleに取り組めるぐらいのスキルが身につくと思う。

予測モデルに関しての説明はほぼないので、
そういった内容に興味がある人は他の書籍を読んだほうが良い。

実際にデータ分析を行うためのスキルを身に着けたい人にオススメできる本。

2019年2月5日

カテゴリ データ分析

今まで読んだRのデータ分析の本の中で最も易しい本。
他の本で挫折したことがある人でも、この本であれば挫折しないんじゃないだろうか、というぐらい易しい。

関数にデータを入れてみてどう動くか体験して、解釈してみましょう、という感じの本。

2019年2月4日

読書状況 読み終わった
カテゴリ データ分析

大学のゼミで読んでいた教科書。

本の頭に記載されているとおりに、
偏微分等の数学は使われていないものの、
⊿は使われているので、概念的にはほぼ使われている。

また、多くの図を用いて説明されているため、
視覚的に概念を理解しやすく、
図を理解することで概念を理解できる。

個人的にはミクロ経済学の入門レベルでは一番好きな本。

2019年2月5日

読書状況 読み終わった
カテゴリ ミクロ経済学

大学の数学のゼミで読んだ本。

扱っている数学のトピックに対応して
経済理論を説明しているため、
数学の概念を通して経済理論が理解できる。
私はこの本で限界概念が腑に落ちた。

微積、線形代数、微分方程式の触りを扱っているものの、
残念ながら位相に関しては扱っておらず、
この一冊で学部レベルの数学をカバーできるとは言い難い。

入門レベルの経済学を終え、
数学を用いて経済理論を理解したり、
経済理論を数式で表現するステップの人に対して、
オススメできる本。

2019年2月5日

実解析の講義の中で、わからない箇所を
ところどころ参考にした。

数学的に厳密な説明をしている感じよりも、
概念的な説明を丁寧にしている本のため、
ルベーグ積分がどういうものなのかが掴みやすい。
ただし、その分、内容のカバー範囲は狭かったり、
後半の証明は省略されていたりするため、
講義で扱われる範囲を全部カバーできるような本では
ないかも。

とはいえ、ルベーグ積分を初めて学ぶ人や、
ルベーグ積分がどういうものかを
手っ取り早く知りたいひとには、
おすすめできる本だと思う。

2019年3月7日

読書状況 読み終わった [2019年3月7日]
ツイートする