機械学習/データサイエンスを学ぶのにおすすめの本25選

目次

こちらもおすすめ

【厳選】統計学の勉強におすすめの本9選【初心者から上級者まで】 | Quant College

測度論的確率論の独学におすすめの本8選【わかりやすい教科書/参考書】 | Quant College

【2021年11月最新:全部受講】Udemyのおすすめ31選をカテゴリ別に紹介【データサイエンス/機械学習,Python/R/SQLプログラミング】 | Quant College

【初心者から上級者まで】Pythonプログラミング独学におすすめの本6選 (難易度順)【感想あり】 | Quant College

システムトレード×Pythonのおすすめ本5選(洋書) | Quant College

Pythonで金融工学を学べる本おすすめ5選【ファイナンス】 | Quant College

[1] ゼロからつくるPython機械学習プログラミング入門

ゼロからつくるPython機械学習プログラミング入門

  • 理論と実装のバランスが良い
  • 序盤でPythonと数学の基礎をしっかり復習
  • 回帰,分類,カーネル,ニューラルネットワーク,強化学習,教師なし学習を網羅
  • スクラッチ実装のコードはコメントが教育的 ・紙面がカラフルで図やグラフが見やすい

[2] Pythonで動かして学ぶ!あたらしい機械学習の教科書 第3版

Pythonで動かして学ぶ!あたらしい機械学習の教科書 第3版

  • 数学に自信ない人におすすめ (数式アレルギーはさすがに無理)
  • 数学の復習や数式の説明が丁寧
  • 線形代数と微分をPythonコードで説明
  • 教師ありがメインで教師なしは少しだけ
  • 深層学習にページ数を多く割いている

[3] TensorFlowではじめるDeepLearning実装入門

TensorFlowではじめるDeepLearning実装入門

  • TensorFlowの入門書
  • 小分けにしたコードを詳しく説明するスタイル
  • 小さいプログラムをすぐ動かしたい人向けではないので注意
  • 別の本で深層学習に入門した後、TensorFlowの使い方を学びたい人向け

[4] 大学4年間のデータサイエンスが10時間でざっと学べる

大学4年間のデータサイエンスが10時間でざっと学べる

  • 図解が多い入門書
  • かなり多くの項目を広く浅くカバー
  • 計算機の仕組み、データ構造とアルゴリズムなども入ってる
  • 数式が唐突に出てくる所もあるので注意
  • 一冊目で軽く全体像をイメージで把握したい人向け

[5] はじめてのパターン認識

はじめてのパターン認識

  • 通称「はじパタ」
  • 数式ベースで分類問題を詳しく説明
  • 例題で手を動かして理解を確認できる
  • Rの実行結果も載ってるがコードはない
  • 「はじめての」とあるが本当の初心者向けではなく、「数学がある程度わかる人が機械学習の理論を初めて学ぶための本」
  • 学部の微積/線型/確率統計,特に線型代数を習得済みの人向け

[6] 時系列分析と状態空間モデルの基礎: RとStanで学ぶ理論と実装

時系列分析と状態空間モデルの基礎: RとStanで学ぶ理論と実装

  • 通称「ハヤブサ本」。時系列分析の1冊目におすすめ
  • 各節の冒頭で説明の進め方や全体像を見せてくれる
  • 数式は少なめ
  • 式の意味を言葉で平易に説明
  • 紙面は若干淡泊な印象
  • コードはRがメイン。最後のHMC法でStanを使用

[7] ガウス過程と機械学習

ガウス過程と機械学習

  • 金融にも応用され始めたガウス過程の本
  • 同シリーズの中では説明が平易で読みやすい
  • 機械学習を俯瞰できて見通しがよくなる
  • 3章がメインで4章以降は難しめ
  • 前提知識は線型代数と確率が必須
  • ベイズや機械学習の基本も知っていると望ましい

[8] 深層学習 改訂第2版

深層学習 改訂第2版

  • 深層学習周りを簡潔にまとめた良書
  • 数式は多くなく重要な部分だけ載ってる
  • 理論を学ぶ本なのでPython等のコード例はない
  • CNNの章以降を理解するには他の本も必要か?
  • ゼロから作るDeepLearningの次に読むとよい

[9] ベイズ推論による機械学習入門

ベイズ推論による機械学習入門

  • PRML本への橋渡しになる良書
  • 式展開が丁寧な印象で、自習用に良い
  • 理論の説明が中心
  • 応用を意識したテクニックも記載有
  • 微積分と線型代数の知識は必須
  • 機械学習とベイズの入門知識があるとなお読み易い
  • Juliaコードはこちら→ https://github.com/sammy-suyama/BayesBook

[10] 経済・ファイナンスのためのカルマンフィルター入門

経済・ファイナンスのためのカルマンフィルター入門

  • カルマンフィルターに特化した解説本
  • 数式の意味をその都度直感的に説明
  • 行列をできる限り使わず解説してるのが特徴
  • 計算例はExcel表計算
  • 応用例は経済データや金融データで、ファクターモデル、イールドカーブ、ペアトレーディング等

[11] 機械学習のエッセンス 実装しながら学ぶPython、数学、アルゴリズム

機械学習のエッセンス 実装しながら学ぶPython、数学、アルゴリズム

  • 機械学習の基礎固めに最適
  • Python,数学,数値計算を効率良く学べる
  • 数学は高校範囲から始まり親切
  • numpyやscipyを使い機械学習をスクラッチ実装
  • コード途中に番号が付され逐一説明してくれる

[12] データ解析のための統計モデリング入門 一般化線形モデル・階層ベイズモデル・MCMC

データ解析のための統計モデリング入門 一般化線形モデル・階層ベイズモデル・MCMC

  • 統計モデリングを易しく学べる通称”緑本”
  • やさしい語り口でわかりやすい
  • 数式少なめ、理解を助ける図表が多い
  • ベイズモデルとMCMCの入門にも良い
  • Rコードの説明と実行例あり

[13] 経済・ファイナンスデータの計量時系列分析

経済・ファイナンスデータの計量時系列分析

  • 時系列テキストの決定版である通称「沖本本」
  • 説明が丁寧でかつ平易
  • 具体例が豊富でイメージしやすい
  • 数式は要点がまとまっている
  • Rコードなど実装の話は無く基礎固め向き
  • 通称「ハヤブサ本」の前半を深堀りした内容

[14] ゼロから作るDeep Learning

ゼロから作るDeep Learning

  • 深層学習の原理を平易に解説したベストセラー
  • かゆい所に手が届く説明
  • 基本から段階を踏んで理解できる
  • 数学は行列の乗算から復習してくれる
  • Pythonも1章で簡潔に説明
  • ライブラリの使い方ではなく、スクラッチ実装で仕組みを学ぶ本

[15] 入門ベイズ統計学

入門ベイズ統計学

  • 読み易いと定評のあるベイズ本
  • 序盤は考え方を言葉で丁寧に説明
  • 4章はポートフォリオ選択への応用
  • 5章のMCMC入門もわかりやすい
  • 途中から数式出てくるので確率統計の基本は必要
  • ファイナンスの例を通して説明するので金融に興味ある人向け

[16] Pythonではじめる機械学習

Pythonではじめる機械学習

  • scikit-learnを使って機械学習を体感できる本
  • 数式や理論の深堀りは無く取っつきやすい
  • モデルの利点と欠点、どんなデータに有効なのか、パラメーターの役割がわかる
  • 特徴量エンジニアリング、モデルの評価・改良もページを割いて解説

[17] ゼロから作るDeep Learning ❸ ―フレームワーク編

ゼロから作るDeep Learning ❸ ―フレームワーク編

  • 深層学習フレームワークをゼロから作る本
  • 丁寧な説明で開発工程を体験できる
  • 特殊メソッド等、Python自体の勉強にもなる
  • 前提知識は深層学習の基本、クラスや継承
  • PyTorch等の中の仕組みを理解したい人向け

[18] 多変量解析入門 線形から非線形へ

多変量解析入門 線形から非線形へ

  • 伝統的な機械学習の理論を平易に学べる
  • 回帰,判別分析,SVM,PCA,クラスター分析等
  • 決定木,RF,NN,DLの記載は無い
  • 難易度は「はじパタ」より少し易しい
  • 読み込むには微積,線形,確率の基礎が必要
  • コードは無く、理論を学ぶ本

[19] データ分析のための数理モデル入門 本質をとらえた分析のために

データ分析のための数理モデル入門 本質をとらえた分析のために

  • データ分析の全体像がわかる地図のような本
  • 広範なモデルの位置づけ/特徴/使い道/注意点を平易に学べる
  • そもそものモデルの選び方/作り方/評価方法など本質を抽出して体系的に解説
  • 数式は最小限。カラフルな紙面で図解も多い

[20] これならわかる機械学習入門

これならわかる機械学習入門

  • 物理学徒向け深層学習本
  • ニューラルネットワークと深層学習に特化して説明
  • 序盤の行列や確率の復習が手厚い
  • Python入門、Kerasによる実装のコード説明はあっさりめ
  • 終盤は統計力学への応用 ・式展開は丁寧で、学部一年の数学が既修ならスムーズに読める

[21] 現代数理統計学の基礎

現代数理統計学の基礎

  • 学部中級レベルの統計学の良書
  • 応用を意識した説明が親切で行間も少なめ
  • 幅広い内容がバランス良くまとまっている
  • 演習問題が豊富(難易度は様々)
  • 命題や例の所でも具体的な計算を練習できる
  • 微積と線型は必須だが測度論は(ほぼ)不要

[22] これならわかる深層学習入門

これならわかる深層学習入門

  • 深層学習の理論を深入りしすぎずにまとめた本
  • タイトルの印象に比べると難しめ
  • 深層学習の2冊目以降、頭の整理に良い
  • 式展開の説明はあっさりしている
  • コードは無く理論を学ぶ本
  • ボルツマンマシンを詳しく学びたい人におすすめ

[23] 分析者のためのデータ解釈学入門 データの本質をとらえる技術

分析者のためのデータ解釈学入門 データの本質をとらえる技術

  • データ分析前に知っておくべき教養をまとめた本
  • データの性質/分析/解釈/活用で初心者が陥りがちな罠が整理されている
  • 同著者の黄色本はモデルが主。本書はモデル以外も広く浅く解説
  • 図解が多くビジネスサイドの人にもおすすめ

[24] PyTorch実践入門: ディープラーニングの基礎から実装へ

PyTorch実践入門: ディープラーニングの基礎から実装へ

  • PyTorchをがっつり学びたい人向け
  • 分厚くて重い本だが、詳細な説明で中身も濃い
  • 後半は医療画像認識プロジェクトで難しめ
  • 部品レベルから詳しく解説する前半だけでも有用
  • コード解説には技術的な言い回しも多く、ある程度のPython経験は必要

[25] Juliaで作って学ぶベイズ統計学

Juliaで作って学ぶベイズ統計学

  • 可視化しながら学べるユニークなベイズ本
  • データ分析でのJuliaの使い方がわかる
  • 数式少なめ、コードが豊富
  • 確率や分布など統計学の基本から始まる
  • Juliaで計算速度を出すためのコツにも言及
  • 数式よりグラフを描いて学びたい人におすすめ

こちらもおすすめ

【厳選】統計学の勉強におすすめの本9選【初心者から上級者まで】 | Quant College

測度論的確率論の独学におすすめの本8選【わかりやすい教科書/参考書】 | Quant College

【2021年11月最新:全部受講】Udemyのおすすめ31選をカテゴリ別に紹介【データサイエンス/機械学習,Python/R/SQLプログラミング】 | Quant College

【初心者から上級者まで】Pythonプログラミング独学におすすめの本6選 (難易度順)【感想あり】 | Quant College

システムトレード×Pythonのおすすめ本5選(洋書) | Quant College

Pythonで金融工学を学べる本おすすめ5選【ファイナンス】 | Quant College