【データ分析の必読10冊+差をつける10冊＋100冊超】データサイエンス、データ分析、機械学習関連の本

即席！データサイエンス部署にいきなり配属されたどーにかしないといけない

データサイエンス、データ分析、機械学習に必要な数学

数学は楽をするためにある－機械学習のための数学入門前の準備体操～その１数学記号、公理・定義・定理、微分積分～

データサイエンス系気になる近刊書籍（2020/03/13現在）

第1部 基礎と1変数関数の微積分(基礎事項ア・ラ・カルト
和と積
順列・組合せと2項定理・多項定理 ほか)
第2部 線形代数(ベクトルと行列の加減
ベクトルと行列の積
いろいろな行列 ほか)
第3部 多変数関数の微積分(偏微分と微分
テイラーの公式と極値問題
ベクトル微分と条件付き極値問題 ほか)

統計学のための数学入門30講

コードは理解しやすくなければならない。本書はこの原則を日々のコーディングの様々な場面に当てはめる方法を紹介する。名前の付け方、コメントの書き方など表面上の改善について。コードを動かすための制御フロー、論理式、変数などループとロジックについて。またコードを再構成するための方法。さらにテストの書き方などについて、楽しいイラストと共に説明する。日本語版ではRubyやgroongaのコミッタとしても著名な須藤功平氏による解説を収録。

学生で参考になった本やサイト(備忘録)

理解しやすいコード
第1部 表面上の改善(名前に情報を詰め込む
誤解されない名前
美しさ
コメントすべきことを知る
コメントは正確で簡潔に)
第2部 ループとロジックの単純化(制御フローを読みやすくする
巨大な式を分割する
変数と読みやすさ)
第3部 コードの再構成(無関係の下位問題を抽出する
一度に1つのことを
コードに思いを込める
短いコードを書く)
第4部 選抜テーマ(テストと読みやすさ
「分/時間カウンタ」を設計・実装する)
付録 あわせて読みたい

リーダブルコード : より良いコードを書くためのシンプルで実践的なテクニック

【おすすめ書籍７選】プログラミング関連のおすすめの本を紹介します！

★★理論と実装のバランスがよい、「機械学習 with Python」の決定版★★

■機械学習モジュールが普及することにより、かえって学びづらくなった機械学習アルゴリズムの基本を徹底マスター！

■scikit-learnを使わない、numpyとpandasのみのコーディングで、実装力がスキルアップ！

■ブラックボックスの中身を理解し、一生モノの知識を身につけよう！

【本書のサポートページ】すぐに実践できるコードがWeb公開！
https://github.com/hhachiya/MLBook　

【機械学習スタートアップシリーズ】
https://www.kspub.co.jp/book/series/S042.html

【主な内容】
第1章 機械学習とは何か
第2章 Python入門
第3章 数学のおさらい（線形代数、最適化、確率、統計）
第4章 回帰分析（線形回帰分析、ロジスティック回帰分析）
第5章 分類（線形判別分析、サポートベクトルマシン、ナイーブベイズ法、決定木）
第6章 カーネルモデル
第7章 ニューラルネットワーク
第8章 強化学習
第9章 教師なし学習（主成分分析、因子分析、クラスター分析）

第1章 機械学習とは何か
1.1 機械学習の位置づけ
1.2 機械学習が広まった理由
1.3 機械学習の種類と方法
1.4 機械学習の応用例

第2章 Python入門
2.1 Python環境の構築
2.2 変数と標準出力
2.3 データ構造
2.4 グラフのプロット
2.5 for文とif文
2.6 関数とオブジェクト指向
2.7 OpenAI

第3章 数学のおさらい
3.1 線形代数
3.2 最適化
3.3 確率
3.4 統計

第4章 回帰分析
4.1 線形回帰分析
4.2 一般化線形モデル（ロジスティック回帰分析）

第5章 分類
5.1 回帰と分類
5.2 線形判別分析
5.3 サポートベクトルマシン
5.4 確率的分類（ナイーブベイズ法）
5.5 決定木

第6章 カーネルモデル
6.1 非線形な分類境界の例
6.2 カーネルモデル
6.3 カーネル関数とカーネルトリック
6.4 カーネル関数の例
6.5 線形モデルからカーネルモデルへの拡張
6.6 交差検証法を用いたモデル選択

第7章 ニューラルネットワーク
7.1 ニューラルネットワークとは
7.2 2層のニューラルネットワーク
7.3 3層のニューラルネットワーク
7.4 Pythonによるニューラルネットワークの実装
7.5 ニューラルネットワークの課題と拡張
7.6 多クラス分類への応用
7.7 手描き文字の画像分類
7.8 多クラス分類の評価方法

第8章 強化学習
8.1 教師あり学習と強化学習
8.2 動物の行動学習
8.3 強化学習の定式化
8.4 Q学習法

第9章 教師なし学習
9.1 主成分分析
9.2 因子分析
9.3 クラスター分析

順位	30位
総合点	6点
Googleの検索結果での点数	3点
Qiitaの記事での点数	1点
Twitterでの点数	1点
Youtubeでの点数	1点

【機械学習】リーダブルコード : より良いコードを書くためのシンプルで実践的なテクニックの評価
2022-03-21更新

機械学習分野での評価

【機械学習】リーダブルコード : より良いコードを書くためのシンプルで実践的なテクニックの評価2022-03-21更新

機械学習分野での評価

【機械学習】リーダブルコード : より良いコードを書くためのシンプルで実践的なテクニックの評価
2022-03-21更新