[B! 機械学習] doas1999のブックマーク

2023年版データ分析の100冊 - Qiita

【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

doas1999 2023/08/27

リンク

https://twitter.com/kanae_udemy/status/1560872379240579072

doas1999 2022/08/21

リンク

データサイエンティストとして読んで役立った本たち@2020-07｜だみ〜

2016年10月に未経験・新人データサイエンティストで雇ってもらいました。当時はまだ業界が牧歌的だったのと、比較的書類上のスペックが高い若者だったのもあり、運良く拾ってもらえたのでした。今だと100％受かってないです。そんな私が今までで読んだ本の中で、役に立った本をつらつら書いていきます。現代の若者がどんどん優秀になっているので、これくらいでいまんとこいっぱしのデータサイエンティスト（@ビジネスサイド）になれるんだなあという基準を述べようかと思いました。何年か後に振り返りたいですね。もちろん、これが誰かの学習の役に立てばと思っています。ちなみに、アフィリエイト入れてないので気にせず買っていってください。数学無難に解析学と線形代数学を勉強しておくといいと思っています。

doas1999 2020/07/25

リンク

機械学習や統計学を「社会実装」するということ - 渋谷駅前で働くデータサイエンティストのブログ

(Image by Pixabay) 最近になって、こんな素晴らしい資料が公開されていたことを知りました。この資料自体は著者のMoe Uchiikeさんが東大での講義に用いられたものだとのことですが、その内容の汎用性の高さから「これは全ての機械学習や統計学を実務で用いる人々が必ず読むべきドキュメント」と言っても過言ではないと思われます。正直言ってこの資料の完成度が高過ぎるのでこんなところで僕がああだこうだ論じるまでもないと思うので、内容の詳細については皆さんご自身でまずは上記リンクから精読していただければと思います。その上で、今回の記事では「機械学習や統計学を『社会実装』する」ということがどういうことなのかについて、この資料を下敷きとした上でさらに僕自身の経験や見聞を加えて考察したことを綴ってみます。機械学習や統計学と、社会との「ギャップ」機械学習や統計学を、社会に「馴染ませる」

doas1999 2020/07/16

機械学習

リンク

機械学習アルゴリズムの学習法

TL;DR 機械学習のアルゴリズムには詳しくなりたいけど実装はしない、という立場の人向けの学習資料まとめ知人向けで、具体的には同僚医師がターゲット読者（めちゃ狭い！）だが、一定度他の人にも役に立つかも改めて色々眺めてみてやっぱり大学の講義は質の高いものが多いと思った知人が機械学習のアルゴリズムを学びたいと言っているので、オススメの資料などを見繕ってみるブログエントリ。機械学習への関わり方を雑にアルゴリズムと実装で分けた場合に、アルゴリズムには詳しくなりたいけど実装をするわけではない、という立場の人向けである。このようなタイプの人はそんなにいないと思うけど、具体的にはドメインエキスパートとして機械学習エンジニアと一緒にアルゴリズム・データ改善に取り組んでいて、アルゴリズムでどんなことをやっているかをちゃんと理解したい、みたいなのが一例となる。なんとなくのイメージ的な理解だけだと、