【2023年】「MLOps」のおすすめ 本 100選!人気ランキング

この記事では、「MLOps」のおすすめ 本 をランキング形式で紹介していきます。インターネット上の口コミや評判をベースに集計し独自のスコアでランク付けしています。
記事内に商品プロモーションを含む場合があります
目次
  1. 仕事ではじめる機械学習 第2版
  2. 機械学習デザインパターン ―データ準備、モデル構築、MLOpsの実践上の問題と解決
  3. 仕事ではじめる機械学習
  4. 実践 AWSデータサイエンス ―エンドツーエンドのMLOpsパイプライン実装
  5. ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装
  6. 統計学入門 (基礎統計学Ⅰ)
  7. コンピュータビジョンのための実践機械学習 ―モデルアーキテクチャからMLOpsまで
  8. 人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質
  9. ChatGPT産業革命 (日経BPムック)
  10. Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで
他90件
No.1
100
みんなのレビュー
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。
No.2
85

機械学習で繰り返し登場する課題を30のパターンに分類し各々にベストプラクティスを提示・解説。初心者にも、現場でも役に立つ。 機械学習のベストプラクティスが学べるデザインパターン集! タイトルに「デザインパターン」とあるように、機械学習で繰り返し登場する課題を30のパターン(データ表現、問題表現、モデルの訓練、再現性、柔軟性、接続性、説明性、公平性などに関するもの)に分類し、それぞれについてベストプラクティスを提示・解説します。手を動かしながら機械学習を試したい初心者の実践的な入門書としても、現場のデータサイエンティストのリファレンスとしても読んでもらえる内容となっています。アメリカ海洋気象庁の研究者として、さらにGoogle Cloudのデータ分析&AI部門トップとしての豊富な経験に基づく実用本位の一冊です。 機械学習で繰り返し登場する課題を30のパターンに分類し各々にベストプラクティスを提示・解説。初心者にも、現場でも役に立つ。

みんなのレビュー
まだレビューはありません
No.3
85
みんなのレビュー
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。
No.4
84

AWSで利用できるサービスを有効に使い、データの収集、分析、モデルの訓練、テスト、デプロイまでのプロセスを行う方法を紹介。 AWSを利用したデータ分析業務の改善、効率化、生産性向上のための情報を網羅! AWSではデータサイエンス分野で利用できるさまざまなサービスが提供されています。本書では、それらのサービスを有効に使って、データの収集、分析、モデルの訓練、テスト、デプロイまでの一連のプロセスを行う方法を紹介します。対象とする事例は、ヘルスケアデータ、時系列データ、自然言語処理、画像分類、不正検出、需要予測、レコメンデーションシステムなど非常に多岐に渡ります。本書の目的は、AWSのサービスの詳細を説明するだけでなく、AWSのサービスを組み合わせることで、データサイエンスとアプリケーション開発の統合を図り、開発の効率化を図ることなので、アプリケーション開発者や管理職にとっても役に立つ一冊です。 AWSで利用できるサービスを有効に使い、データの収集、分析、モデルの訓練、テスト、デプロイまでのプロセスを行う方法を紹介。

みんなのレビュー
まだレビューはありません
No.5
83
みんなのレビュー
ディープラーニングの概要は分かっているし機械学習はある程度理解しているつもりだけど、ディープラーニングの中身はちゃんと理解できていない人にぜひ読んで欲しい書籍。ディープラーニングは一旦これ1冊読んでおけば問題なし。複雑で難しい印象だったディープラーニングがこれを読むだけで一気に身近なものになる。
No.6
81

文科と理科両方の学生のために,統計的なものの考え方の基礎をやさしく解説するとともに,統計学の体系的な知識を与えるように,編集・執筆された.豊富な実際例を用いつつ,図表を多くとり入れ,視覚的にもわかりやすく親しみながら学べるよう配慮した. 第1章 統計学の基礎(中井検裕,縄田和満,松原 望) 第2章 1次元のデータ(中井検裕) 第3章 2次元のデータ(中井研裕,松原 望) 第4章 確率(縄田和満,松原 望) 第5章 確率変数(松原 望) 第6章 確率分布(松原 望) 第7章 多次元の確率分布(松原 望) 第8章 大数の法則と中心極限定理(中井検裕) 第9章 標本分布(縄田和満) 第10章 正規分布からの標本(縄田和満) 第11章 推定(縄田和満) 第12章 仮説検定(縄田和満,松原 望) 第13章 回帰分析(縄田和満) 統計数値表 練習問題の解答

みんなのレビュー
まだレビューはありません
No.7
79

機械学習モデルを使用して画像に関する課題を解くための解説書。標準的な機械学習の運用からMLOpsまで同時にマスターできる。 機械学習モデルを使用して画像に関する課題を解くための解説書。標準的な機械学習の運用からMLOpsまで同時にマスターできる。 コンピュータビジョンのための機械学習を基礎から応用、MLOpsまで網羅!機械学習モデルを使用して画像に関するさまざまな課題を解くための実践的な解説書。コンピュータビジョンは機械学習で最も注目度の高い分野のひとつです。本書では、機械学習エンジニアやデータサイエンティストを対象に、コンピュータビジョンに関連する機械学習の手法、アーキテクチャ、課題、オペレーションなどを網羅的に解説します。読者は、分類、物体検出、セグメンテーション、異常検知、画像生成、キャプション生成といった画像関連の問題を、機械学習のテクノロジーで解決する方法を学びます。また、データセットの作成、前処理、モデルの設計、学習、評価、デプロイ、監視といった標準的な機械学習の運用からMLOpsまで同時にマスターできます。日本語版では、トランスフォーマーや拡散モデルの活用などの最新情報を加えて、画像生成AIの今をさらに明らかにします。

みんなのレビュー
まだレビューはありません
No.9
79
みんなのレビュー
まだレビューはありません
No.12
71

機械学習ベースのアプリケーションは特別な配慮が必要なことが多いため、設計、構築、デプロイにおいて注意すべき情報をまとめた。 運用する上で重要だが難しい問題改善、モデルのデバッグ、デプロイを詳しく解説! 機械学習を利用したアプリケーションは、翻訳、リコメンデーションシステム、異常/不正検出など、さまざまなものがあり、今後も機能強化のために、機械学習を組み入れるサービスはますます増えていくものと考えられています。しかし、機械学習ベースのアプリケーションは、構築方法や検証において、ほかとは異なる、特別は配慮が必要となることが多くあり、またモデルの評価や訓練といった特別なプロセスが必要です。本書は機械学習ベースのアプリケーションの設計、構築、デプロイにおいて注意すべき情報をまとめたものです。 機械学習ベースのアプリケーションは特別な配慮が必要なことが多いため、設計、構築、デプロイにおいて注意すべき情報をまとめた。

みんなのレビュー
まだレビューはありません
No.13
71

自社のシステムに人工知能の導入を検討している人が、人工知能システムの開発および運用・保守の一連のプロセスを把握できる。 自社システムに人工知能を導入したいときに読む本! 機械学習をはじめとする人工知能への期待は増加していますが、 人工知能が搭載されたシステムを開発するプロジェクトマネージャの数は足りておらず、その数は今後さらに必要になっていきます。 また、大規模システムに人工知能が入るようになっていくと、それを運用・保守する仕事も必要となります。 大規模なシステムになるほど、「開発工程において何をするのか」を規定することが重要であり、 人工知能が搭載されたシステムの開発で行うことを体系的に理解しなければなりません。 本書では、人工知能システムを企画・開発し、運用・保守したい人向けに、 企画から運用までの一連のプロセスのノウハウを解説します。 【本書のポイント】 ・人工知能システムの開発を行うエンジニアやプロマネ向けのノウハウ集 ・人工知能システムの企画書や開発計画書が書けるようになる ・人工知能のトライアルを計画・実施できるようになる ・人工知能システムの開発および運用・保守の一連のプロセスを把握できる Chapter1 実用化されつつある人工知能 人工知能の定義 人工知能の歴史 人工知能の利用用途 認識の具体例 分析の具体例 対処の具体例 Chapter2 通常のシステムと人工知能システムの開発プロセスの違い 人工知能システムの開発プロセス 企画フェーズでの特徴 トライアルフェーズでの特徴 開発フェーズでの特徴 運用・保守フェーズでの特徴 Chapter3 人工知能システムの企画 目的の設定 システム構成の検討 業務フローの作成 データ選び スケジュール検討 運用・保守方針の検討 Chapter4 人工知能プロジェクトのトライアル トライアルのプロセス 分析内容定義 データ観察 モデル設計 データの加工 結果の評価(1)-評価指標の決定 結果の評価(2)-精度の評価 結果の評価(3)-解釈性の評価 結果の評価(4)-過学習度合いの評価 結果の評価(5)-CASE STYDYでの評価例 Chapter5 人工知能システムの開発 開発フェーズのプロセス要件定義工程(1)-計画作りー 要件定義工程(2)ー精度の確認ー 要件定義工程(3)ーデータ量の決定ー 要件定義工程(4)ー更新方法の決定ー 要件定義工程(5)ー学習データが少ないときの対応方法 要件定義工程(6)ー異常値処理方法の決定 設計工程 テスト工程 Chapter6 人工知能システムの運用・保守 人工知能を見守る 人工知能を育てる(1)-自動再学習ー 人工知能を育てる(2)-忘れさせるー 人工知能を育てる(3)-新しい知識を教えるー 人工知能と人の協調 付録 提案依頼書 開発提案書 トライアル分析提案書 トライアル分析報告書 WBS 機能要件定義書・非機能要件定義書 要件定義のためのデータ分析結果報告書

みんなのレビュー
まだレビューはありません
No.16
68
みんなのレビュー
まだレビューはありません
No.18
68

グーグルのGCPクラウドプラットフォームで、機械学習やデータ分析を解説. GCPサービスのコンセプトや考え方を 実践的な使用例で完全理解!!  ・機械学習のデータ処理や学習や推論をスケーラブルにできる  ・GCPがUIを統合しているためチームで作業できる  ・たくさんあるGCPプロダクトの使い分け・活用例を知ることができる -- 『機械学習、TnsorFlow 2.0、ETL、Apache Beam、Cloud Dataflow、BigQuery、BigQuery ML、MLOps、AutoML Tables を知る』 【この本の解説している内容】  ・GCP上でスケーラブルな機械学習環境を構築するための各サービスの解説  ・GCPに特化した、GCPの機械学習サービスのコンセプトや考え方を理解できる  ・機械学習に不可欠なGCPによる、DWH構築の実践例がわかる  ・GCPで機械学習システムを作る時のGCPサービスの活かし方 序章  環境の準備  準備  Google Cloud SDKについて  Windowsへのインストール  Macへのインストール  Cloud SDKの使い方  Cloud Shell Chapter 1 専門知識不要で使えるサービス 1.1 AutoML  1.1.1 AutoMLとは  1.1.2 AutoML Tablesとは  1.1.3 AutoML Tablesの位置づけ  1.1.4 Cloud AutoML Tablesのモデルを構築する流れ  1.1.5 本書のサンプルで必要な環境  1.1.6 AutoML Tablesを使って予測  1.1.7 番外編 ? 前処理+AutoML ? 1.2 BigQuery ML  1.2.1 BigQuery MLとは  1.2.2 BigQuery MLの特徴  1.2.3 BigQueryでできること  1.2.4 BigQuery ML、AutoML、Tensorflowの位置づけ  1.2.5 Biqueryの操作方法  1.2.6 BigQuery MLでモデルを構築する流れ  1.2.7 BigQuery MLを使って予測 Chapter 2 TensorFlow 2.1 TensorFlowとは 2.2 TensorFlowと計算グラフ  2.2.1 計算グラフとは 2.3 TensorFlow v2における変更  2.3.1 Eager Execution  2.3.2 AutoGraph 2.4 TensorFlowの高レベルAPI  2.4.1 TensorFlowとKerasの歴史  2.4.2 tf.kerasの使用例  2.4.3 途中経過の保存  2.4.4 学習の途中再開 2.5 まとめ Chapter 3 計算リソースとしてのGCP 3.1 Googleの計算リソースに対する考え方 3.2 Google Compute Engine  3.2.1 インスタンスの作成画面  3.2.2 課金について  3.2.3 等価なgcloudコマンドの生成  3.2.4 gcloudコマンドによるインスタンスの作成  3.2.5 使い終わったインスタンスを削除する 3.3 一連の処理の自動化  3.3.1 Startupスクリプト  3.3.2 Container-Optimized OS 3.4 AI Platform  3.4.1 AI Platformの使用例  3.4.2 AI Platformのその他の機能 3.5 Preemptible VMの活用  3.5.1 Preemptible VM  3.5.2 Preemptible VMを自動で再起動する方法  3.5.3 TensorFlowで学習を途中から再開させる方法  3.5.4 学習後にインスタンスを落とす方法  3.5.5 最終的な構成とコードの例 3.6 後片付け 3.7 まとめ Chapter 4 データの処理 4.1 データストレージ  4.1.1 Cloud Storage  4.1.2 BigQuery (Storage) 4.2 データ処理パイプライン 4.3 BigQueryによるデータ処理  4.3.1 BigQueryによるデータ繋ぎ込み  4.3.2 BigQueryによるデータ加工・特徴量生成  4.3.3 Window関数  4.3.4 BigQueryでの構造化データの扱い方  4.3.5 配列の値の処理  4.3.6 配列の作り方  4.3.7 構造体 4.4  Cloud Dataflowによるデータ処理  4.4.1 Apache Beamについて  4.4.2 Apache Beamプログラミングモデル(Batch基本編)  4.4.3 Apache Beamプログラミングモデル(Streaming編)  4.4.4 Cloud Dataflow Template  4.4.5 Dataflowによるデータ繋ぎ込み  4.4.6 Dataflowによる機械学習の予測処理 Chapter 5 プロダクションのための機械学習 5.1 再現性  5.1.1 Dockerで環境を固定する  5.1.2 シード値を固定する 5.2 汎化性能  5.2.1 前処理  5.2.2 交差検証(CV)  5.2.3 DataAugumentation(DA) 5.3 チームでモデル改善  5.3.1 実験の成果物に誰でもアクセスできるようにする  5.3.2 チームで実験を共有する 5.4 MLOps  5.4.1 バージョン管理と精度の監視  5.4.2 大規模タスクの実行

みんなのレビュー
まだレビューはありません
No.19
67

TensorFlowのエコシステムを使用した機械学習パイプラインの構築方法を学ぶ。レガシーなシステム保守から解放される。 機械学習パイプラインについての本邦初の解説書! 機械学習を用いた本番システムの構築には、データの前処理やモデルの学習、デプロイなどのステップが必要です。しかし、これらのステップは手動で実行されることが多く、エラーの原因となっています。そこで本書では、TensorFlowのエコシステムを使用した機械学習パイプラインの構築方法について学びます。パイプラインを用いて各ステップを自動化することで、レガシーなシステムの保守から解放され、新しいモデルの開発に集中できるようになります。 TensorFlowのエコシステムを使用した機械学習パイプラインの構築方法を学ぶ。レガシーなシステム保守から解放される。

みんなのレビュー
まだレビューはありません
No.20
67

初学者の方々に向けた、ディープラーニングの技術解説書。 2012年に一般画像分類コンテスト(ILSVRC)で衝撃的な性能を達成したAlexNetの登場以来、急速な進化を遂げているディープラーニング。現在の人工知能/AIの発展の中核を担っており、スマートフォンからIoT、クラウドに至るまで幅広い領域で、画像、音声、言語処理をはじめとした多くの対象分野に浸透し、目覚ましい進展をもたらしています。一方、その成長の過程は決して一筋縄ではなく、無数の試行錯誤がありました。 本書では、ディープラーニングの「今」に焦点を当て、「基本機能」を中核に技術面から可能な限り正確にまとめ、どのようなしくみで動いているのか、どのような問題に使えるのか、何が難しいのかまで平易に解説。 多くの問題を一つのアプローチ、アルゴリズムで解ける驚異的な技術。ディープラーニングが一段とパワーアップしていく将来につながる、長く役立つ原理、原則、考え方を平易に紐解く1冊です。

みんなのレビュー
まだレビューはありません
No.22
66
みんなのレビュー
内容は少々難解だが、統計学や機械学習・データサイエンス分野のエッセンスが詰まっていて何度も読み返したい書籍。大学院生時代の授業の輪読して使用し、目からウロコの連続だった。ある程度基礎固めをした後に読んでほしい1冊
No.23
66
みんなのレビュー
「はじめての」とついているが入門書ではなく結構難しい。ただ、機械学習の様々な手法が数式から学べるため中級者〜上級者には良いと思う。他の入門書で機械学習の概要を掴んだ後に読むべき本。
No.25
66

自然言語処理編

みんなのレビュー
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
No.26
66

新しいデータシステム「データレイク」をAWS(Amazon Web Services)で構築する方法を、クラウドのプロが充… 従来のデータベースを発展させた、クラウド時代のデータシステム「データレイク」をAWS(Amazon Web Services)上で実現するための指南書。クラウドのプロによる解説で概念と実践を充実解説。 「データレイク」は、大量データ分析/生成データの活用を視野に入れた新しいデータストアのかたちです。従来のデータベース/データウェアハウスの範囲に収まらない多様なデータを大量に保管し、高度な統計分析や機械学習に役立つ情報基盤を作ることが可能です。 本書ではデータレイクの概念や特徴、必要とされる機能などを基本から解説し、さらにAmazonが運営するパブリッククラウドサービスAWS(Amazon Web Services)で実現する方法を解説します。 従来では想定しえなかった大量のデータを確実に保管するため、データレイクの世界ではクラウドのようなサービス型インフラストラクチャの活用が注目されます。さらにAWSではオブジェクトストレージS3上のデータを直接分析するAmazon Athena、データウェアハウスのAmazon Redshift、機械学習を実現するAmazon SageMakerなど、データレイクを支えるさまざまな仕組みが存在します。 本書ではそれらの活用の指針を解説するとともに、後半ではシステムの構築例を具体的に解説していきます。ビジネスデータ分析とログなどの生成データ分析を例に、システム構築の流れを詳しく紹介し、機械学習や統計分析をビジネスの現場で活かせる仕組みの技術的なヒントを数多く提供します。 第1部 データレイクの概念と知識 序章 データレイ クを始めよう 第1章 データレイクの構築 第2章 データレイクの活用 第3章 データレイクの運用 第4章 データレイクのセキュリティ 第2部 データレイクの実践(基礎編) 第5章 ハンズオンの概要 ービジネスデータのデータレイクー 第6章 データを可視化する 第7章 サーバーレスSQLによるデータ分析 第8章 データを変換する 第9章 データを分析する(データウェアハウス) 第3部 データレイクの実践(応用編) 第10章 システムの概要 ーログデータのデータレイクー 第11章 ログを集める 第12章 ログの保管とカタログ化 第13章 ログを加工する 第14章 ログを分析する

みんなのレビュー
まだレビューはありません
No.28
65
みんなのレビュー
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!
No.29
65
みんなのレビュー
まだレビューはありません
No.34
65
みんなのレビュー
まだレビューはありません
No.35
65

オークション等の注目のトピックスを盛り込み,解説をさらに丁寧に初学者にわかりやすく,新たに2色刷としてさらに読みやすく一新。 基礎から新しい研究成果までをカバーし,楽しみながらゲーム理論のエッセンスとその考え方を学べるスタンダードテキストの新版。オークション等の注目トピックスを盛り込み,さらに丁寧な解説でわかりやすく,新たに2色刷としてさらに読みやすく一新。 第1章 ゲーム理論とは何だろうか? 第2章 選択と意思決定 第3章 戦略ゲーム 第4章 ナッシュ均衡点 第5章 利害の対立と協力 第6章 ダイナミックなゲーム 第7章 繰り返しゲーム 第8章 不確実な相手とのゲーム 第9章 交渉ゲーム 第10章 グループ形成と利得分配 第11章 進化ゲーム 第12章 ゲーム実験

みんなのレビュー
まだレビューはありません
No.36
65

人工知能―――機械といかに向き合うか (Harvard Business Review)

DIAMONDハーバード・ビジネス・レビュー編集部
ダイヤモンド社
みんなのレビュー
まだレビューはありません
No.37
65

ディジタル画像処理[改訂第二版]

ディジタル画像処理編集委員会
画像情報教育振興協会
みんなのレビュー
まだレビューはありません
No.38
65
みんなのレビュー
まだレビューはありません
No.48
65
みんなのレビュー
まだレビューはありません
No.49
65

ディープラーニング活用なくしてビジネスの飛躍的成長なし

みんなのレビュー
まだレビューはありません
No.51
65
みんなのレビュー
まだレビューはありません
No.53
65
みんなのレビュー
まだレビューはありません
No.54
65
みんなのレビュー
まだレビューはありません
No.55
65
みんなのレビュー
まだレビューはありません
No.61
65
みんなのレビュー
まだレビューはありません
No.62
65

Pythonチュートリアル 第4版

Guido van Rossum
オライリージャパン
みんなのレビュー
まだレビューはありません
No.63
65
みんなのレビュー
学生の時にこの書籍を読んで統計学に興味を持った。統計学の魅力について分かりやすく学べる書籍。専門的な内容はそれほどないのでスラスラ読める。統計学ってどんなことができるの?なんでそんなにすごいの?ということを知りたい人がまず最初に読むべき本。
No.66
65
みんなのレビュー
まだレビューはありません
No.68
65
みんなのレビュー
まだレビューはありません
No.69
65
みんなのレビュー
まだレビューはありません
No.70
65

自然科学の統計学 (基礎統計学)

東京大学教養学部統計学教室
東京大学出版会

自然科学・工学・医学等への応用をめざしつつ,さまざまな統計学的考え方を紹介し,その基礎をわかりやすく解説する.シリーズIと同様に,豊富に実際例を用いつつ,図表を多くとり入れて,視覚的にもわかりやすく統計学を親しみながら学べるよう編集した. 第1章 確率の基礎(矢島美寛) 第2章 線形モデルと最小二乗法(廣津千尋) 第3章 実験データの分析(藤野和建) 第4章 最尤法(廣津千尋) 第5章 適合度検定(廣津千尋) 第6章 検定と標本の大きさ(竹村彰通) 第7章 分布の仮定(竹内 啓,藤野和建) 第8章 質的データの統計的分析(縄田和満) 第9章 ベイズ決定(松原 望) 第10章 確率過程の基礎(矢島美寛) 第11章 乱数の性質(伏見正則)

みんなのレビュー
まだレビューはありません
No.71
65

人文・社会科学の統計学 (基礎統計学)

東京大学教養学部統計学教室
東京大学出版会

現代社会においては,さまざまなデータを正しく扱うことが全てに優先する.本書は,われわれの生活や社会と直接・間接にかかわりをもつ分野で用いられている統計的方法の基礎から応用までを,具体例に即して分かりやすく解説する. 第1章 統計学とデータ(高橋伸夫) 第2章 データの分析(竹村彰通) 第3章 標本調査法(竹村彰通) 第4章 統計調査と経済統計(廣松 毅) 第5章 地域統計(中井検裕) 第6章 経済分析における回帰分析(縄田和満・松原 望) 第7章 経済時系列データの分析(国友直人) 第8章 社会調査(盛山和夫) 第9章 社会移動データの分析手法(盛山和夫) 第10章 要因探究の方法(盛山和夫) 第11章 心理測定データの解析(渡部 洋) 第12章 テスト理論(渡部 洋) 第13章 心理・教育データのための統計的方法(渡部 洋)

みんなのレビュー
まだレビューはありません
No.73
65
みんなのレビュー
まだレビューはありません
No.77
65
みんなのレビュー
線形回帰分析を学んでそこから一般化線形回帰モデル、ベイズと拡張していく上で非常にオススメな本。初学者には少々難解な部分もあるが、統計学を学ぶ上で必ずどこかで読んで欲しい書籍。学生の時に読んだが、これを読むことでこれまで学んできた内容が整理され頭がクリアになった記憶がある。統計学を語るなら絶対読んで欲しい非常におすすめの書籍。
No.81
65
みんなのレビュー
まだレビューはありません
No.83
65

時系列解析 : 自己回帰型モデル・状態空間モデル・異常検知

みんなのレビュー
まだレビューはありません
No.85
65
みんなのレビュー
まだレビューはありません
No.88
65

状態空間時系列分析入門

コマンダー,J.J.F.
シーエーピー出版
みんなのレビュー
まだレビューはありません
No.89
65

StanとRでベイズ統計モデリング

みんなのレビュー
まだレビューはありません
No.91
65

平均値から個性へ 階層モデルで「個性」をとらえる 個人差・地域差をとりこむ統計科学 全体モデルから局所モデルへ 生きた言葉をモデル化する ポスト近代科学としての統計科学 階層ベイズ講義

みんなのレビュー
まだレビューはありません
No.92
65
みんなのレビュー
異常検知について学ぶならこの本!非常に分かりやすく様々なアプローチについて学べる。PythonではなくてRでの実装なので注意
No.93
65
みんなのレビュー
まだレビューはありません
No.95
65
みんなのレビュー
データサイエンスを学ぶ上でこちらに一通り目を通しておくとベースが出来上がると思うのでオススメ。幅広く学べるがそこまで深く突っ込まないので気に入った領域は他の書籍で補完した方がよいかも!
No.96
65
みんなのレビュー
まだレビューはありません
No.98
65
みんなのレビュー
まだレビューはありません
No.99
65
みんなのレビュー
まだレビューはありません
search