サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
やる気の出し方
qiita.com/aokikenichi
ITスキルロードマップ roadmap.sh がすごい。Data Analyst について対応する本をまとめた機械学習データ分析キャリアデータアナリティクスデータアナリスト Developer Roadmapsというサイトがすごいです。ITエンジニアの分野別にスキルアップのロードマップが示されています。 言語、基盤、アプリ、かなり網羅されています。 ということで、AI and Data Scientist Roadmap について書きましたが 今回は Data Analyst Roadmap です。 雑感 このロードマップの続きにAI and Data Scientistがあり、Data AnalystをData Scientistの前段階的に位置付けているのが疑問。Data AnalystとData Scientistは並ぶものではないでしょうか。 そして、ビジネス、ドメイン知識や分析目
ITスキルロードマップ roadmap.sh がすごい。AI and Data Scientist について対応する本をまとめた機械学習データ分析キャリアデータサイエンスデータサイエンティスト Developer Roadmapsというサイトがすごいです。ITエンジニアの分野別にスキルアップのロードマップが示されています。 言語、基盤、アプリ、かなり網羅されています。 その中のAI and Data Scientist Roadmapについての推薦図書まとめです。 雑感 これだけ学んでいれば「こいつ知ってるな」感がありますね。ただ気になる点としては ビジネス、ドメイン知識や分析目的定義などのスキルについて言及がないのは残念。 いきなり数学から入るコースになってますが、一旦は飛ばしてコード写経してから戻ってきても良いと思います。ここで挫折すると勿体無いので。 計量経済学重視の観点はいいですね
まえがき データ分析はなんて広いんだろう。影響力の強まりに応じ、自然・社会・人間ほぼすべてが対象となりどんどん拡大していく。対象に応じ手法も広がり複雑化し、学ぶべきことが多すぎる。データサイエンティスト協会のスキルチェックリストVer.3.001(ごめんもう4.00が出てるね)も500超の項目があります。読むべき図書も良書と思われるものだけでも増え続けており、もう手に負えない状況です。 ただ、これはやってはだめだ、ここを知らないと道に迷う、という絶対に知っておくべき点は学べる範囲だと思います。本書では、データ分析において間違えやすい、誤解しやすい点を共有し、データ分析全体をよくする目的で、かつ データ分析の入門書・専門書に分野ごとには書かれてはいますが1つにまとまっておらず目に触れにくいもの データ分析の入門書・専門書でもスルーされていたり場合によっては誤っていると思われるもの で自分なり
【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、機械学習関連の本がご好評いただいてましたが古くなりごちゃごちゃしているので新たに作り直しました 本記事のめあて IT系の技術者の方がデータ分析関連の仕事をするために役立つ本を紹介する(私が学び始めた時にあれば欣喜雀躍したであろう)記事として書いております。 本記事作者の青木はバイオインフォマティクス(ゲノムデータのDB化中心・Perl・MySQL)からRで時系列分析→Pythonでデータ分析一般と業務をしてまいりました。 ですので研究者目的の本はありません。また、データ分析の基礎は主にRで学んだのですが、昨今の流行に合わせてPython本を中心に、Rの本は参考程度にしています(本記事のR版のご要望があれば爆裂書きます!) こういうリストをあげる奴は大抵読んでいない、と過去にも言われたのですが、ほとんど読ん
クリギング入門 コロナ社様のサイトにて読者モニターレビューをさせていただきました。コロナ社:『クリギング入門』の「レビュー」 地理空間データを用いる場合の空間内挿推定手法の1つであるクリギングの分かりやすい入門書です。 分かりやすい本でしたが実装例がExcelのためPythonに翻訳してみました。 pyKrigingというクリギングのライブラリがあるようですが、今回は1ステップずつを確認しつつ検証することが目的であるためテキストのExcel計算をPythonで泥臭く1つずつ実施しています。 テキスト「6.2 Excelを用いた計算」のPythonでの実行 (1) バリオグラム推定 import pandas as pd import numpy as np from scipy.spatial import distance_matrix from scipy.optimize impor
上記の方々の推奨本 2票(naotaka1128、カレーちゃん)[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear) 1票(naotaka1128)PythonとKerasによるディープラーニング 1票(naotaka1128)scikit-learnとTensorFlowによる実践機械学習 1票(mlm_kansai)機械学習のための特徴量エンジニアリング ―その原理とPythonによる実践 (オライリー・ジャパン) 記事の概要 Kaggle参戦記 〜入門からExpert獲得までの半年間の記録 & お役立ち資料まとめ〜 *1) 特徴量エンジニアリング 次元削減系 LDA、PCA、tSNE Kaggle TalkingData Fraud Detection コンペの解法まとめ(基本編) 「カテゴリー変数を組み合わ
数学の専門家でもなく、微分積分、線形代数、統計学は一応、最適化数学、集合・位相を勉強中というところなので以下、ツッコミどころ満載と思いますが、こういうまとめ記事が欲しいところなかなかなかったので書いてみました。 微分積分、線形代数、統計学の先へ データサイエンス、データ分析、機械学習に必須な数学として、微分積分、線形代数そして最適化数学はどのレベルが必要かについて データサイエンス、データ分析、機械学習に必要な数学 に書いております。 ただ、そこから先の数学を学ぼうと、機械学習やデータ分析に必要な数学を整理しようと思うと、数学の各科目間の前提知識やつながりなどが曖昧模糊としていて悩む。大学のシラバスなどを見ても「代数Ⅱ」などと書かれ何の内容か分からず、同じタイトルのテキストを見ても目次が異なっている事がある。 数学の各科目数学は純粋数学と応用数学に分かれ、…… c.f. 数学分野紹介 -
一般社団法人データサイエンティスト協会 スキルチェックリストを改変 注: 私は本スキルチェックリストの項目をすべてマスターしているわけではありません。ただ、スキルチェックリストはありながら、それをどのように学んでいったらいいかの情報がWEB上になかったので調べてみました。 各書籍の紹介は SE, PG系の方がデータ分析、機械学習をやる必要が出た時にまず手にとるべき一冊 データサイエンス、データ分析、機械学習関連の本 私はほぼRのみなのでPython例はよく分からず触れていません。 各項目にあげた本は入門です。その本でその項目の内容をすべて網羅しているわけではありません。特にスキルレベル「★★★」は更に上級の本、実践が必要です。 No SubNo スキルカテゴリ スキルレベル サブカテゴリ チェック項目 必須スキル Rでの実践 理論
caret vignette "A Short Introduction to the caret Package"の和訳R機械学習caret 巻頭言 CRAN caret のvignette https://cran.r-project.org/web/packages/caret/vignettes/caret.pdf の和訳です。 2018/03/18 vignette Octover 28, 2016版に対応しました。直訳で分かりにくいところ更に訳し直しました。 caretパッケージには、複雑な回帰と分類の学習を簡易に実施できる関数群があります。多数のRパッケージから構成されていますが、最初に全てを読み込む必要はありません1。初期状態では27のパッケージが利用できます。それ以外のパッケージについては、caretでは必要となった時にそれを読み込みます。 caretのインストールは
データサイエンス、データ分析、機械学習の専門書の前書きには「大学初年度の数学」≒微分積分と線形代数を前提としているものが多い。 それならば大学に行っている人はほとんど履修しているはずなのだが、その専門書を読むと全然歯が立たない事が多い。 かといって微分積分や線形代数のテキストを開くと、これが機械学習やデータ分析のどこに役立つのか全然分からず、途方に暮れる。 データの変化を捉えるから微分 変化を結果にまとめるから積分 多変量を扱いやすくするための線形代数 なのだがそんなお題目ではどうにもこうにも…… そんなときには下記の 『統計学のための数学入門30講 (科学のことばとしての数学)』 がいい。1冊で微分積分と線形代数の内容が入っている。また、それらが統計学にどうつながっているか、統計学のどこでどう使われているかが明示されている。「統計学のための」なので必ずしも機械学習やデータ分析向けではない
データサイエンス領域の役立つブログをまとめる(海外 & 日本)が日本のブログが少ないので、私が参考にしている日本のブログを。 六本木で働くデータサイエンティストのブログ 流行の技術に対する一歩引いた解説、Rでの実装、推薦の本など、ブログを1つだけ選ぶとしたらこれが一番いい R、相関などの統計の基礎、時系列分析などの統計モデル、機械学習、etc Logics of Blue 実装例と理論の解説が分かりやすい R、相関などの統計の基礎、時系列分析などの統計モデル、機械学習、etc iAnalysis ~おとうさんの解析日記~ Rの実装例で関数の細かなTipsなど役に立つことが多い 盆栽日記 Rの実装例で関数の細かなTipsなど役に立つことが多い テキスト処理に強い方のようだ StatsFragments PythonとRの実行例 Pythonに強い方のようだ My Life as a Mock
文系エンジニアが機械学習に入門するために小学校の算数から高校数学までを一気に復習してみました。 こういう記事が注目されるということは皆さん数学学習に疲れてらっしゃるのだろう。つい「数学大嫌い」となってしまうかもしれない。そんな時に息を抜いて読んだら気分転換かつあらたな発見があるだろう本を。 数学ガールの秘密ノートは中学から高校初学者向け程度に向けた数学解説ストーリーです。定義、定理、でガン押ししてくる数学書とは異なり、「如何に読者に理解させるか」を根本まで考えられている結城浩先生の著作は疲れたこころに取り憑きます。 『数学ガールの秘密ノート 微分を追いかけて』 まずは微分です。 『数学ガールの秘密ノート やさしい統計』 続いて、統計。 同著者の高校生向けシリーズの『数学ガール』は、上記よりもっと突っ込んだ難しい話題を扱ってますが、微分、統計、行列などについてのわかりやすい解説があります。
『Rによるデータサイエンス-データ解析の基礎から最新手法まで』 にある各実行をRのcaretパッケージで試します。 対象外 caretは教師あり学習の判別と予測がメインなので、教師なし学習や生存分析、時系列モデルなどは対象外。 対象外:第1-6章、第11-12章、第17章 全体のメモ lmなど通常の関数で作成したモデルに対応するcaret使用のモデルは $finalModel となる。 ただ一部項目は異なるようです。 例 lm cars.lm<-lm(dist ~ speed, data = cars) cars.caret.lm<-train(dist ~ speed, data = cars, method = 'lm') cars.lm に対応するのは cars.caret.lm$finalModel 予想結果等は一致する モデルの統計値等の項目が異なる場合があるので、図示や統計値抽
毎度毎度だが深層学習は素人です。下記の論文も読んでいません。ただ、急速に展開している深層学習を追っている忙しい人のためのきっかけとなればいいな、と思い書いています。 被引用数はGoogle Scholarより 前史 昨日今日の話の気がするが実は歴史は古かったりする。まー平成だが。2007年刊行の代表的なテキスト にもCNNは実は出ている。 1989年 CNNの基礎 論文 Backpropagation applied to handwritten zip code recognition 被引用数 1,865(2016/10/25現在) 1998年 CNNの基礎 論文 Gradient-based learning applied to document recognition 被引用数 6,066(2016/10/25現在) それにしてもシュレーディンガーにしても天才な人はなぜ猫を実験台
注意:私は深層学習の専門家ではなくチュートリアルをいくつか動かした程度の初心者です。深層学習のフレームワークについてまとめ記事がかなりあるのですが、情報が古かったり私が知りたいことがなかったりして、自分が知りたいことをまとめました。定期的に更新しています。 深層学習のフレームワーク Framework Developer License Language 動作環境 Feature Qiitaでのタグ付き解説記事(記事数は2016/10/15) 2017/07/17 2018/02/12 2020/02/23
たくさんいいねいただきありがとうございます。2016年の記事で古いのでいずれ全面改訂しようと思いますが、古さが目立つ箇所のみまずは訂正しました。 データ分析・機械学習の代表的な手法には何があるか 代表的な本、技術リスト、データサイエンティストの推奨ではデータ分析・機械学習手法はどんなものがリストアップされているか ここでは、統計学的検定、多変量解析、機械学習を分けていない 構造化データ(いわゆるテーブルデータ)のみ対象とし、画像、自然言語処理、マーケティングの専門的な分析等は対象外 補足を下記に 代表的な手法と紹介のされ具合 分析手法 『Rによるデータサイエンス-データ解析の基礎から最新手法まで』 『はじめてのパターン認識』 データサイエンティスト協会スキルチェックリスト 「デジタルガレージCDOから学ぶ!マーケターのための実践・データ分析入門~事例紹介を通じて5つの手法をマスター~」 デ
講談社機械学習プロフェッショナルシリーズ『深層学習』の学習 第1章 はじめに、第2章 順伝播型ネットワークの学習機械学習DeepLearningデータサイエンス深層学習機械学習プロフェッショナルシリーズ
【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、機械学習関連の本本機械学習数学データ分析データサイエンス Update版2023年版データ分析の100冊を書きましたよ! 必読10冊を更新。データサイエンス、データ分析、機械学習周りでおすすめ図書10選のような記事は良く見ますが、網羅的な紹介記事はあまり見かけないので自分が欲しいと思い書きました。私よりたくさん読んでいる方は多々いらっしゃると思いますが、記事を書いてくださいな。 別の観点でデータ分析プロジェクトのフェーズ毎の参考書籍紹介という記事を新たに書きました。 データ分析の各フェーズ(データ分析プロジェクト全体-ビジネス状況の理解-データの理解-データの準備-モデルの作成-評価-展開)毎に参考書籍を紹介しています。 本記事の対象と想定 Qiitaはプログラマやコンピューター系技術者のための記事と思っ
データ分析一般 ヤバいデータ分析(まだ途中すまんだけど現状でも役に立つと思うので) データ分析を成功させるために『データ分析失敗事例集』『データドリブン思考』から見えてくること ITスキルロードマップ roadmap.sh がすごい。AI and Data Scientist について対応する本をまとめた ITスキルロードマップ roadmap.sh がすごい。Data Analyst について対応する本をまとめた 機械学習 kaggle KAGGLEでどこから手を付けていいか分からず学ぶことが多すぎてまとめてみた 機械学習 機械学習 機械学習概要について私が知りたかったこと。 データサイエンス、データ分析、機械学習関連の本 2023年版データ分析の100冊 データ分析関連(データサイエンス、データ分析、機械学習)書籍マップ Ver.1.00 SE, PG系の方がデータ分析、機械学習をやる
わーっと書いてみた間違ってたらごめんな Ver.1.0 なにも分からないがとりあえずデータサイエンティストとしての外面だけ取り繕いたい場合 『Rによるデータサイエンス-データ解析の基礎から最新手法まで』 金 明哲著 森北出版 2007年とやや古いですが、機械学習の基本的な手法が網羅されています。本書のRコードをひたすら写経のように実行しましょう。本書とほぼ同内容が著者の金氏のページで公開されていますのでそちらでもよいと思います。 https://www1.doshisha.ac.jp/~mjin/R/ データ分析で用いられる、多変量解析や機械学習などの代表的な手法がほぼ網羅されています。 相談できる人もいない自分が今どのレベルなのかこっそり確認したい場合 データサイエンティストのスキルチェック データサイエンティスト協会が決めたスキル表からランダムに抜き出して簡易チェックができるとのこと。
4.1 勾配計算の難しさ p42 の最初の式 pp13-14の(2.5a), (2.5b)とその下の式より。 4.2 2層ネットワークでの計算 p43 \begin{align} \frac{\partial{\mathbf{y}}}{\partial{w_{ji}^{(3)}}}&=[\frac{dy_1}{dw_{ji}} ... \frac{dy_j}{dw_{ji}}, ..., \frac{dy_n}{dw_{ji}}]^\top \\ (4.3)より \\ &=[\frac{\Sigma_i{dw_{1i}^{(3)}z_i^{(2)}}}{dw_{ji}} ... \frac{\Sigma_i{dw_{ji}^{(3)}z_i^{(2)}}}{dw_{ji}} ... \frac{\Sigma_i{dw_{ni}^{(3)}z_i^{(2)}}}{dw_{ji}}]^\top
このページを最初にブックマークしてみませんか?
『@aokikenichiのマイページ - Qiita』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く