データサイエンスに関する初心者向けの参考書

筆者が実際に読んだ（書いた）書籍の中で初心者向けのものを紹介しています。

※英語の書籍については、日本語版は読んでいないので、翻訳のクオリティなどは未確認です。

データサイエンスとは？

「そもそもデータサイエンスって何？」という事を理解するのに役立つ書籍です。

Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking

Doing Data Science: Straight Talk from the Frontline

日本語版はこちらになります。

戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

データサイエンス講義

機械学習アルゴリズム

データサイエンスに必要なツールの1つに「機械学習」があります。上記の本にも機械学習アルゴリズムのふわっとした解説がありますが、もう少し、かっちりと理解したい方は下記をお勧めします。（手前味噌です。すいません。）

[改訂新版]ITエンジニアのための機械学習理論入門

下記の本は、アルゴリズムに加えて、機械学習ライブラリ（scikit-learn）の使い方を学ぶことができます。

Python Machine Learning, 1st Edition

日本語版はこちらになります。

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)

scikit-learnによる機械学習処理

scikit-learnを使って、具体的な機械学習処理を行う方法を学ぶには、こちらが最適です。

Introduction to Machine Learning with Python: A Guide for Data Scientists

日本語版はこちらになります。

Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

対話的分析ライブラリ

データサイエンスの手法である EDA（Exploratory Data Analysis）では、対話的にデータを分析していきます。下記は、EDA に必要となる Python のライブラリー（NumPy, pandas, matplotlib など）の使い方を学ぶ本です。

Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython

日本語版はこちらになります。

Pythonによるデータ分析入門 ―NumPy、pandasを使ったデータ処理

こちらも参考にしてください。

Python 機械学習プログラミング データ分析ライブラリー解説編 from Etsuji Nakai

ディープラーニング

ディープラーニングに興味がある方は、こちらをどうぞ。

こちらは入門編です。

TensorFlowとKerasで動かしながら学ぶ ディープラーニングの仕組み ~畳み込みニューラルネットワーク徹底解説~ (Compass Booksシリーズ)

JAX/Flaxで学ぶディープラーニングの仕組み

こちらはより本格的な解説書です。内容は高度ですが、前提知識のある方にはとても分かりやすくてお勧めです。

Deep Learning (Adaptive Computation and Machine Learning series)

こちらは、後半部分でTensorFlowの基礎的な概念（グラフ、分散学習など）がきちんと説明されていて、DQN/RNNの実装例なども紹介されています。

Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems

scikit-learnとTensorFlowによる実践機械学習

Kerasの使い方が知りたい方は、こちらをどうぞ。

Deep Learning with Python

PythonとKerasによるディープラーニング

こちらは、自然言語処理に特化したニューラルネットワークの解説書です。RNNの構造なども詳しく解説されています。

Neural Network Methods for Natural Language Processing (Synthesis Lectures on Human Language Technologies, 37)

強化学習

強化学習についてはこちらをどうぞ

「強化学習がなぜ上手くいくのか？」という理論的な基礎を根本から丁寧に解説しています。

ITエンジニアのための強化学習理論入門

より専門的な教科書です。

Reinforcement Learning, second edition: An Introduction (Adaptive Computation and Machine Learning series)

その他

決して初心者向けではありませんが、下記は一般的な機械学習の理論について網羅的に説明された書籍です。

Pattern Recognition and Machine Learning (Information Science and Statistics)

日本語版はこちらになります。

パターン認識と機械学習 上

パターン認識と機械学習 下 (ベイズ理論による統計的予測)