【2025年】「異常検知」のおすすめ 本 74選！人気ランキング
- 入門機械学習による異常検知: Rによる実践ガイド
- Pythonではじめる異常検知入門 ―基礎から実践まで― (エンジニア入門シリーズ117)
- 時系列解析: 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python 1)
- 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー)
- 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
- パターン認識と機械学習 上
- 漫画でわかる デジタルマーケティング×データ分析
- Rで学ぶVAR実証分析: 時系列分析の基礎から予測まで
- 異常検知と変化検知 (機械学習プロフェッショナルシリーズ)
- Pythonによる異常検知
この書籍は、地域密着型アウトドアショップがデジタルマーケティングを活用して業績を向上させるストーリーを通じて、デジタルマーケティングの基礎を学ぶ内容です。デジタル化を成功させるための条件や、重要な要素（MEO・SEO、データ分析、ECサイト構築、SNS活用など）が解説されています。著者は上野佑馬で、データ分析やデジタルマーケティングの専門家です。
デジタルマーケティングとデータ分析について漫画で分かりやすく学べる。基本的な内容が網羅的に学べるのでデジタルマーケティング職についたばかりのビジネスパーソンや個人事業や中小企業でこれからデジタルに力を入れようとしている経営者にオススメ！
本書は、AI・データ分析プロジェクトの成功には技術知識だけでなく「ビジネス力」が重要であることを強調しています。データサイエンティストのキャリアや業界の概要から始まり、プロジェクトの立ち上げ、実行、評価、収益化までのノウハウを網羅。具体的には、課題設定、案件獲得、データ分析手法の検討、レポーティングなどのプロセスを解説し、実務に役立つ情報を提供しています。著者は業界の専門家で、実践的な知識を基にした内容となっています。
機械学習の手法やテクニックにフォーカスした書籍ではなくて、機械学習を仕事に取り入れるためにはどうすればよいのか？どういうところに注意しなくてはいけないのかがまとめられた書籍。実務で機械学習を利用している人利用する可能性のある人は絶対に読むべき書籍。そもそも本当に機械学習を使う必要があるのかということをしっかり考える、機械学習ありきのプロジェクトは必ず失敗する。
『ゼロから作るDeep Learning』の続編である本書は、自然言語処理や時系列データ処理に焦点を当て、ディープラーニングの技術を実装レベルで学ぶことができます。具体的には、word2vec、RNN、LSTM、GRU、seq2seq、Attentionなどの最新技術を取り上げ、分かりやすく解説しています。著者は、人工知能の研究開発に従事する斎藤康毅氏です。
ゼロから分かるディープラーニングシリーズはどれも非常に分かりやすい。こちらの自然言語処理編は前作を読みディープラーニングの基本を理解してより高度なアーキテクチャを学びたいと思った時にオススメ。レベルは少々上がっているがそれでも分かりやすく学べる。RNNやLSTMなどが学べる
本書は、データサイエンスにおけるコンペティション、特にKaggleに焦点を当て、実践的なデータ分析手法やテクニックを紹介しています。分析コンペに参加することで得られるスキルは、実務でも役立つため、特徴量の作成やモデルの評価、チューニングなどの具体的な内容が含まれています。著者たちは、データサイエンスの専門家であり、実績を持つKaggleの競技者です。この本は、コンペに挑戦したい人や実務でのモデル精度向上を目指す人にとって有益な情報源となるでしょう。
データ分析コンペKaggleに挑戦するならこれをまず読んでおけば大丈夫！Kaggleに参加しないにしてもデータ分析の本質やテクニックがギュッと詰まっているので実務に活かせる。高度な内容も登場するが分かりやすく解説してくれるので初心者でも読みやすい。それでいてベテランの人も多くの学びがある書籍。著者はKaggleの最上位グランドマスターの方々であり説得力がある。過去のコンペの事例も取り上げてくれるのでそんなアプローチあったのかぁと学びが深い。文句なしの星5つ！
AIのベースの一つである機械学習とは、コンピュータに大量のデータや経験を与えることによって、事象のパターン・ルールを発見し、予測などまでをも実現する技術である。機械学習の基礎から筆者らの最先端の研究までを初めての人にもわかりやすく解説する一冊。 はじめに 1 機械学習とは何か――人工知能（AI）の基礎知識 1.1 人間の学習能力をコンピュータで再現する「機械学習」 1.2 AI研究、これまでとこれから 1.3 人工知能の／による／のための研究 2 人工知能と社会 2.1 研究者とともに、学生とともに、エンジニアとともに 2.2 さまざまな分野におけるAI技術の応用 2.3 AIと社会の関係 3 機械学習の基礎 3.1 AIの学習モデルと学習法 3.2 3種類の機械学習 3.3 教師付き学習とは 3.4 教師なし学習とは 3.5 強化学習とは 3.6 機械学習の原理：「学習する」とは 3.7 なぜ教師付き学習で予測が当たるのか？ 3.8 直線で分離できない問題への対応 4 高度化する教師付き学習 4.1 誤りを含む教師情報への対応 4.2 弱い教師情報の活用 4.3 限られた情報からロバストに：信頼できる機械学習に向けて 4.4 理研AIPに見る汎用基盤研究の現在地 5 今後の展望 5.1 モデルと学習法と、ある種の制約 5.2 機械学習の新技術：生成AI 5.3 AIと人間の未来
本書は、深層学習に関する改訂版のベストセラーで、トランスフォーマーや生成モデルなどの手法を詳しく解説しています。著者は、実用性を重視し、理論的な証明がなくても納得できる説明を提供することにこだわっています。全12章で構成され、深層学習の基本から応用までを網羅しており、特に実務に役立つ情報が反映されています。著者は東北大学の教授で、研究経験を基にした内容です。
本書は、2018年に発行された機械学習に関する書籍の全面改訂版で、不確実性の高い機械学習プロジェクトを「仕事で使う」観点から整理しています。新たに「ML Ops」「機械学習モデルの検証」「バンディットアルゴリズム」「オンライン広告での機械学習」についての章が追加され、読者が実際の問題を解決するための知識を提供します。著者は、機械学習の実務経験を持つ専門家たちです。
機械学習の手法やテクニックにフォーカスした書籍ではなくて、機械学習を仕事に取り入れるためにはどうすればよいのか？どういうところに注意しなくてはいけないのかがまとめられた書籍。実務で機械学習を利用している人利用する可能性のある人は絶対に読むべき書籍。そもそも本当に機械学習を使う必要があるのかということをしっかり考える、機械学習ありきのプロジェクトは必ず失敗する。
ビジネスでの機械学習システムの設計や運用の解説書。エンド・ツー・エンドの機械学習システムを設計・構築する基本を明らかにする。 機械学習システム設計（デザイン）を業務での実践的な観点で解説！ビジネスとしての機械学習システムの設計や運用についての解説書。本書では、機械学習の最前線で活躍する著者の豊富な経験と知識に基づき、エンド・ツー・エンドの機械学習システムを設計・構築するための基本原則を明らかにします。訓練データの処理方法、特徴の使い方、モデルを再訓練する頻度、監視すべき項目……このような設計上の決定がシステム全体の目的達成にどのように寄与するのかを、実際のケーススタディを通じて理解します。機械学習プロジェクトを成功に導く上で必要な信頼性、拡張性、保守性、およびビジネス要件の変化への適応性を備えた機械学習システムを設計する包括的なアプローチを本書で学ぶことができます。
