機械学習・データサイエンスに必要な数学範囲とその学習リソースまとめ

初めから始める数学ⅢPart2　改訂7

現代社会においては，さまざまなデータを正しく扱うことが全てに優先する．本書は，われわれの生活や社会と直接・間接にかかわりをもつ分野で用いられている統計的方法の基礎から応用までを，具体例に即して分かりやすく解説する．

【随時更新】マシンラーニングエンジニアが機械学習、統計学のおすすめ本を紹介する

第1章　統計学とデータ（高橋伸夫）
第2章　データの分析（竹村彰通）
第3章　標本調査法（竹村彰通）
第4章　統計調査と経済統計（廣松 毅）
第5章　地域統計（中井検裕）
第6章　経済分析における回帰分析（縄田和満・松原 望）
第7章　経済時系列データの分析（国友直人）
第8章　社会調査（盛山和夫）
第9章　社会移動データの分析手法（盛山和夫）
第10章　要因探究の方法（盛山和夫）
第11章　心理測定データの解析（渡部 洋）
第12章　テスト理論（渡部 洋）
第13章　心理・教育データのための統計的方法（渡部 洋）

人文・社会科学の統計学

【分野横断】機械学習と統計的推論と微分幾何と関数解析と統計力学の関係性【 VTuber によるよくばりセット】 #VRアカデミア #037

機械学習や人工知能の性能を決める特徴量作成・変換／選択について詳述した書籍！
本書は、機械学習を行うエンジニアが知るべき特徴量抽出の基本から応用、最新のテーマまでを網羅した書籍です。内容としてはそれほど難しくないため、機械学習を学んでいる人が特徴量エンジニアリングについて学びはじめる書籍として最適です。

順位	35位
総合点	2点
Googleの検索結果での点数	0点
Qiitaの記事での点数	1点
Twitterでの点数	1点
Youtubeでの点数	0点

【ディープラーニング】人文・社会科学の統計学の評価
2022-05-04更新

ディープラーニング分野での評価

【ディープラーニング】人文・社会科学の統計学の評価2022-05-04更新

ディープラーニング分野での評価

【ディープラーニング】人文・社会科学の統計学の評価
2022-05-04更新