データサイエンス、データ分析、機械学習関連の本

データサイエンス、データ分析、機械学習周りでおすすめ図書10選のような記事は良く見ますが、網羅的な紹介記事はあまり見かけないので自分が欲しいと思い書きました。私よりたくさん読んでいる方は多々いらっしゃると思いますが、記事を書いてくださいな。
基本的なスタンスとしては

理論より手を動かす
- 理論をないがしろにしてはいけない。ただ、数式を恐れて何もしなくなってしまうより、まず手を動かしてコードを書いてデータを扱うことにより理解が進むことがある
- 理論、理論、の人っているけど結果残したの？
- 理論ガチ無視で人工知能万歳！と無着苦茶だけど声がでかいだけでOKみたいな人を駆逐したい
ので、手を動かした後に理論もフォロー
- なんじゃそりゃ、ですが、Qiita読む人って研究者じゃないでしょ
- 機械学習系って、研究成果が簡単なライブラリやAPIで誰でも試せるようになって距離が近くなっているので訳わかんなくなってるけど、研究成果を実際の問題に適用するのが大事
- だからさ数式に恐れずまずトライしようよ

ってな感じです反論があれば Qiitaコメントか、 twitter:@aokikenichi にね

ざっくりとした難易度
- 初級：前提知識ほぼなし。数式不要。プログラミング不要。
- 中級：初級を前提知識とする。理論の本の場合は微積・線型代数程度の数学の知識があれば理解に役立つ。ツールを扱う本の場合はRかPythonを書くと理解に役立つ。
- 上級：中級を前提知識とする。微積・線型代数程度の数学の知識が十分ないと理解は難しい。中級程度の本でRかPythonを書いた経験を前提とする。

特に特に薦めるものは書影大きく、署名太字太字としていますよ

データサイエンス・機械学習のための数学

微分積分、線型代数

初級：入門的な本
- 類書が多すぎてどれが良いのかは、、、
- このレベルで何かを読み、後に下記を学ぶと分かりやすいと思われます。
中級『プログラミングのための線形代数』堀玄、平岡和幸著
- 線形代数の「意味」が分かる。「行列は写像だ！」
- 題名の「プログラミング」はほぼ関係ない。
中級『統計学のための数学入門30講 (科学のことばとしての数学)』永田靖著
- とは言うものの数学が必須だよね。大学で学んだから代替は分かるのだけど統計との関連が今ひとつ、、、ってな方に適しています。統計学でどのように使われているかを念頭に置いた、微分積分、線型代数の紹介。1冊で紹介しているので各内容の説明は薄め。
- 一通り勉強した後の確認や、過去に勉強したが錆び付いている人の再起動、今学んでいることを統計学と結び付けたい人向け。
- 今、講談社機械学習プロフェッショナルシリーズ『深層学習』の読み解きをしているが、数学でわからないところは、ほぼ本書に出ている。
- ただ、薄い本書に微分積分と線型代数を押し込めているので、初学者には厳しいと思います。
中級『これなら分かる最適化数学―基礎原理から計算手法まで』金谷健一著
- 機械学習でも用いられる最適化に必要な（もののみの）微分積分、線形代数の解説。
- コンセプトは上記書「統計学の~」に似ているが本書は、より目的の最適化に特化しており、例題を解いていくと定着するようになっている。
推奨
- 「わかる○○」的な本で微積・線型代数を一通り→「統計学のための数学入門30講」で復習。
- 機械学習の中級的な本に挫折してから！→「これなら分かる最適化数学」で機械学習の数学が身につくと思う。
- 『統計学のための数学入門30講』『これなら分かる最適化数学』に関する詳しい詳解の記事を書きましたデータサイエンス、データ分析、機械学習に必要な数学
- 「プログラミングのための線形代数」に適宜寄り道すると得る所多し。

数学余談

『物理数学の直観的方法―理工系で学ぶ数学「難所突破」の特効薬〈普及版〉 (ブルーバックス)』
- 物理数学の入門書というか既存の教科書に困った人への手助けの本。発売当時村上春樹の『ノルウェイの森』を抜いたことがあるという伝説の本。物理数学の本だが、テイラー展開、行列と固有値、位相空間、情報理論とエントロピーなどの章、節があり、そのあたりを悩んでいる方には参考になると思います。

統計学

初級『とある弁当屋の統計技師(データサイエンティスト) ―データ分析のはじめかた―』石田基広著
- 表紙が私は苦手なのですが、分かりやすい入門書を多数執筆している著者で、本書も分かりやすいです。
初級『その数学が戦略を決める (文春文庫)』文春文庫
- 数学がビジネスや社会の問題にどう適用されているか、のような話し。大部分は重回帰の話し。
初級・中級『統計学が最強の学問である』、『統計学が最強の学問である[実践編]---データ分析のための思想と方法』西内啓著
- ビジネスにその手法がなぜ必要なのかが分かります。
初級『推測統計はじめの一歩―部分から全体像をいかに求めるか? (ブルーバックス)』
- 品切れ？絶版？なのが残念。でもブルーバックスに統計学入門の類書がたくさんあるからそれでよいと思う。
中級『プログラミングのための確率統計』堀玄、平岡和幸著
- 確率・統計の「意味」が分かる。題名の「プログラミング」はほぼ関係ない。簡単にだが「カルマンフィルタ」なども紹介されている。確率は面積だ！
中級・上級『統計学入門 (基礎統計学)』東京大学出版会
- 本書が理論理解の定番とされてますが、やや難しく、データ分析で統計学の詳細な内容まで問われることは少ない。
- あるデータサイエンスの勉強会でも「まず、統計学の勉強を。とされているが統計学で挫折してしまうくらいなら、スルーした方がいい。実務で統計学の詳細な内容が必要なことはまずない」というようなことが言われてました。
『人文・社会科学の統計学 (基礎統計学)』東京大学出版会
- 東京大学出版会の統計学3部作として（別に青い『自然科学の統計学（基本統計学）』がありますが、未読）有名です。本書は、アンケートなどの社会調査、経済（時系列）データ、心理テストなどのデータ分析を扱っている。基本的な内容を網羅的に扱っていると思う。ビジネス系のデータ分析で、アンケート調査や経済時系列データを扱うのであれば入門としてよいのかも知れない。
- ただ、残念ながら内容が古い。「GNP」はすぐGDPと分かるからいいとして、「IBMカードの文字数制限」など？？？な内容があり、基準などが変わる経済指標で知らないうちに間違った古い知識を身に着けてしまう怖さがある。
- ただ、経済指標や時系列分析の本をいろいろ読んだ後に本書を読むと、あー本書にまとめて書いてあるじゃんか、となったので、初期にざーっと読むのは価値があると思う。
辞書的『統計クイックリファレンス第2版』オライリー・ジャパン
- 辞書としてだが、一読後あまり使ったことなく、、、
推奨
- 初級の本は何かお好きなものを。

統計学余談

『経済数学の直観的方法確率・統計編 (ブルーバックス)』
- 経済数学の入門書というか既存の教科書に困った人への手助けの本。経済数学の本だが確率統計編であり、特に標準偏差について、既存の教科書でイメージを取りにくい方は本書が手助けになるかもしれない。

多変量解析

初級『ようこそ「多変量解析」クラブへ何をどう計算するのか (ブルーバックス)』
- 回帰分析、因子分析など多変量解析の入門として。
推奨
- 多変量解析も類書が多く、どれがよいか分かりません。上記ブルーバックス的な本を読んだ後に後述の『Rによるデータサイエンス』で実践しているのがよいかと思います。

統計モデリング

中級・上級『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 (確率と情報の科学)』久保拓弥著
- 統計モデリングの定番の本「みどり本」。数式は少ないが理解が難しい点がある。Rで実行しながら学ぶ。
- 一般化線形モデルがメインだが、世の中をモデル化する時の注意点など有用であり、一般化線形モデルを扱う必要がなくても一読の価値ありと思う。
中級・上級『予測にいかす統計モデリングの基本―ベイズ統計入門から応用まで (KS理工学専門書)』樋口知之著
- 正直、未消化。

時系列分析・状態空間モデル

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
- Logics of Blueという統計・機械学習のブログの著者による本。状態空間モデルのRパッケージのdlm, KFASについて偏りなく書かれています。
- 時系列分析、状態空間モデルって他の統計や機械学習と違って独特で、ブログやら下記文献やら散々探して苦労したのだが、みんな本書に書いてあった!!!
- 時系列分析、状態空間モデルを扱う必要があるなら必読です。
- 時系列分析周りも気づいたら多数本が出版されてます。どれがよいか分からなく迷いますが本書の著者がガイドを書いています。
  - 時系列分析のためのブックガイド
    - ここの紹介本とかなり被ってますね、我ながらセンスよし！
基礎からわかる時系列分析 ―Rで実践するカルマンフィルタ・MCMC・粒子フィルター (Data Science Library)
- 後述の『Rによるベイジアン動的線形モデル (統計ライブラリー)』の訳者による本なので状態空間モデルのdlmパッケージがメイン。状態空間モデルの基本から非常に丁寧に解説されており、コードを実行しながら確かめられる。

時系列分析

時系列分析は「統計モデリングの一種」でよいのだろうか。時系列データは独特の特徴があるので、時系列分析が不要な方はスルーでよいと思います。

初級まずは後述の『Rによるデータサイエンス』金明哲著の時系列分析の章を実施
初級・中級『Rによる時系列分析入門』田中孝文著
- Rにより、時系列分析全般を行うなら、本書。
初級・中級『Rによる計量経済分析 (シリーズ〈統計科学のプラクティス〉)』福地純一郎、伊藤有希著
- 経済寄りの分析を行うなら本書。共和分の検定などもあり。
中級・上級『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)』沖本竜義著
- 本格的に行うなら本書。
- 章末問題をRで解いた例を下記の記事に記述しています。
中級・上級『時系列解析入門』北川源四郎著
- 定番書としてよく紹介されている。沖本本とかぶるかと思いこちらは未読。

状態空間モデル

中上級『Rによるベイジアン動的線形モデル (統計ライブラリー)』和合肇監訳
- 状態空間モデル全般の解説。数式中心に理論の解説がされ、理解はなかなか難しいが具体的な事例とRのdlmパッケージを用いたコード例実行で理解の補助となる。
- dlmパッケージを用いて状態空間モデルを記述するなら必読と思う。
中上級『カルマンフィルタ ―Rを使った時系列予測と状態空間モデル― (統計学One Point 2)』野村俊一著　共立出版統計学One Point
- 状態空間モデルの中核であるカルマンフィルタの解説。数式中心に理論の解説がされ、理解はなかなか難しいが具体的な事例とRのKFASパッケージを用いたコード例実行で理解の補助となる。
- KFASパッケージを用いて状態空間モデルを記述するなら必読と思う。
中上級『状態空間時系列分析入門』コマンダー、クープマン著
- 理論的にはこちらが定番と思われるが、未読。
- プログラム例が特殊な言語なため、それをすべてRに移植した方がいる！
  - Commandeur & Koopman「状態空間時系列分析入門」をRで再現する

因果推論

初級 『「原因と結果」の経済学―――データから真実を見抜く思考法』 中室牧子、津川友介著
- - 前提知識不要で、相関と因果など間違えやすいところが身につく。データ分析、政策等のかなりの専門家でもかなり間違っている人がいる。因果推論を扱うならまずは本書の内容を頭に叩き込む事が一番重要だと思う。
初級『データ分析の力因果関係に迫る思考法 (光文社新書)』伊藤公一朗著
- 『「原因と結果」の経済学』より、分析手法を広めに解説している。とくに分析らしい分析をしなくても強力な「集積分析」などビジネスにもかなり活用できると思う。
中級（後述）『岩波データサイエンス Vol.3 』因果推論
中上級『調査観察データの統計科学―因果推論・選択バイアス・データ融合 (シリーズ確率と情報の科学)』
- - 私はまだ読み途中ですが因果推論の「赤本」として必読本に挙げられている。

ベイズ統計

中級『StanとRでベイズ統計モデリング (Wonderful R)』松浦健太郎著
- 「アヒル本」として有名。Rにより問題を一つずつ試しながら進められる。Amazonでの評価が高いのも頷ける出来。
中級『基礎からのベイズ統計学: ハミルトニアンモンテカルロ法による実践的入門』豊田秀樹編著
- を読んだのだがやはり一読だけでは、、、Rのコードと練習問題があるのでそれをやるべし
『ベイズモデリングの世界』
- 読書中

データサイエンス

初級『数式を使わないデータマイニング入門隠れた法則を発見する (光文社新書)』岡島裕史著　光文社新書
- さわりだけですがまず取っ掛かりにはよいと思います。
初級『金鉱を掘り当てる統計学―データマイニング入門 (ブルーバックス)』豊田秀樹著　ブルーバックス
- 品切れ？絶版？。分かりやすいが、ニューラルネットワークと連環規則のみなので網羅はしていない。
初級『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』オライリー・ジャパン
- 数式はないが、前2著より幅広い内容を扱っている。ビジネス上の注意点などもあるが、苦労した時に読み直したらきっとよいのだろう。
初級・中級『データ分析プロジェクトの手引: データの前処理から予測モデルの運用までを俯瞰する20章』
- データ分析プロジェクトで何を実施する必要があるか、注意点、課題などの網羅的な解説。Rの紹介が一切なく商用ツールとWekaのみってのがちょっとなーとは思います。
初級・中級データサイエンティスト養成読本
- 『改訂2版データサイエンティスト養成読本 プロになるためのデータ分析力が身につく! 』
- 『データサイエンティスト養成読本 R活用編【ビジネスデータ分析の現場で役立つ知識が満載! 】 (Software Design plus)』
- 『データサイエンティスト養成読本機械学習入門編 (Software Design plus)』
- 広い範囲を扱っているので、詳細には突っ込んでいないが「データサイエンス」にどんなものがあるかなどを見るにはよいと思われる。必読。（余談：データサイエンティストはホームズやチェスマスターに近いかも知れないけど、「データサイエンティスト」って鉱夫なのかな
- 初級『データサイエンティスト養成読本登竜門編 (Software Design plus)』
  - 申し分ありませんが未読。本書が一番入門の位置づけらしい。

機械学習

初級・中級『入門機械学習』オライリー・ジャパン
- Rによるコード例付き。通常の機械学習の一歩手前ぐらい。説明は詳しいが分野が偏っているので、合致すれば良いのだろうが次の「Rによるデータサイエンス」を実施すれば本書は不要。
初級・中級 『Rによるデータサイエンスデータ解析の基礎から最新手法まで 第2版金明哲著
- 主流の統計解析ツールRを用いるなら定番の本。代表的な統計・機械学習手法を実行可能。数式抜きで解説している本だと結局分からないが理論的は本は難しい。ので、手を動かして実際に分析してみるのがよいと思います。
- 最近類書がたくさん出ていますが私が知るかぎりでは手法を網羅度では本書がよいと思います。
- 本書の詳しい解説を書きました。SE, PG系の方がデータ分析、機械学習をやる必要が出た時にまず手にとるべき一冊
- 機械学習系のパッケージを統合したcaretを用いて本書のコードを実行した記事を書きました『Rによるデータサイエンス』をcaretで再現する
初級・中級『データマイニング入門』豊田秀樹編著
- 「Rによるデータサイエンス」にない、ベイジアンネットワーク、潜在意味解析がある。
初級・中級『集合知プログラミング』オライリー・ジャパン
- Pythonで実行しながら学ぶ。SNSデータの活用などが主。
中級・上級『はじめてのパターン認識』平井有三著
- 本書が理論入門の定番とされている。
上級『パターン認識と機械学習上』『パターン認識と機械学習下』C.M.ビショップ
- 理論の定番書。上巻の2章までしか、、、
- 前提知識の整理の『パターン認識と機械学習の学習―ベイズ理論に挫折しないための数学』がある。
  - さらに本書の前提知識を解説する『パターン認識の機械学習の学習』の学習を書きだしています
推奨
- 『データサイエンティスト養成読本』で俯瞰的に眺め、『Rによるデータサイエンス』で一通り手法を試したあと、『はじめてのパターン認識』で理論をさーっと見渡す
  - 分からなければ『これなら分かる最適化数学』などで鍛える
  - 分かれば講談社機械学習プロフェッショナルシリーズなどで必要な分野を学ぶ

シリーズ

岩波データサイエンス
- 流行の深層学習を避けて（一部記事はあり）、かつデータ分析に必須な（かつ実は流行っている）テーマをタイムリーに出す素晴らしいシリーズ。コード例あり、ツール紹介あり、流行の研究の紹介あり。ついに完結してしまった。必読。
- 『岩波データサイエンス Vol.1』ベイズ推論とMCMCのフリーソフト
- 『岩波データサイエンス Vol.2』自然言語処理
- 『岩波データサイエンス Vol.3』因果推論
- 『岩波データサイエンス Vol.4』地理情報処理
- 『岩波データサイエンス Vol.5』スパースモデリングと多変量データ解析
- 『岩波データサイエンス Vol.6』時系列解析――状態空間モデル・因果解析・ビジネス応用

深層学習

『イラストで学ぶディープラーニング (KS情報科学専門書)』山下隆義著
- 導入には良いが結局数式を追わないと分からない。Pythonのコード例あり（未実施）。
『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』
- ディープラーニングよりもその基礎のニューラルネットワークの解説が中心。数式の本が難しく、フレームワークでなぞるだけでは物足りない方が、原理をしっかり理解したい場合の導入としてちょうどよい本と思う。前記「イラストで」よりも本書のほうが分かりやすい。
『深層学習 (機械学習プロフェッショナルシリーズ)』講談社機械学習プロフェッショナルシリーズ
- 今のところ定番？
- を読みながら難しいところメモする、講談社機械学習プロフェッショナルシリーズ『深層学習』の学習、を書き出しています。
『機械学習スタートアップシリーズこれならわかる深層学習入門 (KS情報科学専門書)』
- - 「これならわかる」「理論を初めて学ぶ人はもちろん、今度こそ理解したい人のために」とのことで、上記『深層学習』より優しいかと思いきや、むしろ難しいのではないかと思われるガチ数学（ごめんなんさい本当にガチの人から見たら優しいのかもしれない）。
  - 本書は『深層学習』の入門版というよりも、最近の動向（深層強化学習ほか）も追加した更新版と捉えたらよいのかもしれない。
  - ということで、読みながら難しいところメモする、機械学習スタートアップシリーズ『これならわかる深層学習入門』の学習、を書き出しています。
  - 第１章　はじめに
  - 第２章　機械学習と深層学習
  - 第３章　ニューラルネット
  - 第４章　勾配効果法による学習
  - 第５章　深層学習の正則化
  - 第６章　誤差逆伝搬法
  - 第７章　自己符号化器
  - 第８章　畳み込みニューラルネット
  - 第９章　再起型ニューラルネット
  - 第１０章　ボルツマンマシン
  - 第１１章　深層強化学習
  - 付録A　確率の基礎
  - 付録B　変分法

深層学習のフレームワーク

研究者なら0から深層学習を実装する必要があるかもしれませんが、それを使う技術者＆ユーザーはフレームワークを用いることになると思います。フレームワークはたくさんあります。ちょっと古いですが深層学習フレームワークヒッチハイクガイドVer2.0参照。

TensorFlow

TensorFlow活用ガイド[機械学習アプリケーション開発入門]
- 読書中

Chainer

『Chainerで作るコンテンツ自動生成AIプログラミング入門』
- - 理論の解説はほんの少しだけ。
  - 自動生成に的を絞って実装例を紹介している。
    - 超解像画像の生成、画像の自動生成、画像のスタイル変換、文章の自動生成、意味のある文章の自動生成、機械翻訳、画像のキャプションの生成
『Chainer v2による実践深層学習』
- 『自動生成本』よりも理論解説が多め。
- 私は自動生成に興味があるので『自動生成本』を主に実施していますが、理論を一つずつ実装して試してみたいのならば本書の方がよいかも。

強化学習

『強化学習』森北出版
- 2000年と古いが定番書

テキストマイニング、自然言語処理

『Rによるテキストマイニング入門』
- Rの基礎説明、RMecabによる分かち書き（文章から単語に切り分ける）、ウェブからのテキスト収集、テキスト分類、Twitterタイムラインの分析など。話題のトピックモデルについても数ページながら言及あり。
- word2vecなど深層学習絡みはないのが残念だがテキストマイニングの基礎的なことは一通り試せる。
『ウェブデータの機械学習（機械学習プロフェッショナルシリーズ』
- クローリングなどがメインかとスルーシていたのですが、自然言語処理を自習したくなったら参考になりそうなサイトなどこのブログ記事を見て、「NLP関連として評判分析と表現学習 (word2vec) について扱っています．個人的に何かと後輩にお勧めすることが多い本です．」という記述を発見。自然言語処理と言っても、翻訳、要約、生成、などいろいろありますが、評判分析にちょうど興味を持ったところだったので即買い。
- バースト検出、評判分析、表現学習、グラフデータ、順序学習とてんこ盛りなので1つのトピック自体は物足りないですが、日本語で読める資料としては貴重な内容です。
- 『ウェブの自然言語処理』等としたほうがもっと売れるのではないかと思う。

データサイエンス言語

R

既述の『Rによるデータサイエンスデータ解析の基礎から最新手法まで』などの本で具体的な問題にそってRを写経したらいいと思いますが辞書的な本を
『Rクックブック』
- Rはネット上に入門やTips的なものが多数あるので検索すれば大体間に合うが、手元で参照すると関連箇所など参考になることがある。

Python

『IPythonデータサイエンスクックブック ―対話型コンピューティングと可視化のためのレシピ集』
-
- IPython notebook(Jupyter)の練習用に
『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)』
- Amazon等で大変評判がよい。私もまだ途中までだが読み、コードを実践している。Pythonで機械学習をするなら必須ではないか。

マーケティング

ビジネス向けのデータ分析ではマーケティング関連で用いられる事が多いと思う。それらの入門的な本を。

初級『改訂3版グロービスMBAマーケティング』
- バイブル本としては『コトラー&ケラーのマーケティング・マネジメント第12版』などが有名なのだが入門では本書が評判がよいようだ。ビジネスマンなら仕事上でマーケティング関連の用語や概念に多かれ少なかれ振れているはずだが、その整理によいと思う。もちろんマーケティングを本職としていない方（私も）には知らないこともたくさん書かれている。まず、データ分析対象の担当者と最低限話が通じるための一冊といったところ。
初級・中級『マーケティング・エンジニアリング入門 (有斐閣アルマ)』
- マーケティング・エンジニアリングとはマーケティングとエンジニアリングが融合したもの、ということで、要はマーケティングにデータ分析を持ち込んだ、ということらしい。別途、マーケティング・サイエンスという分野もあり、となるとマーケティング・サイエンスとの違いがわかりにくいが
  - マーケティング・エンジニアリング
    - マーケティング担当者の意思決定に関心がある
  - マーケティング・サイエンス
    - 消費者の意思決定に関心がある
- まー同じなのではないか？まぁマーケティング・エンジニアリングの鳥瞰的な全体像が得られるのだろう、所見なのでこれが全体像か確信がないけど。同じく有斐閣アルマに『マーケティング・サイエンス入門 -- 市場対応の科学的マネジメント新版 (有斐閣アルマ)』があり、それもおいおい読んで紹介します。
- 本書の後半はほぼ、データ分析の概説書となっている。ただ、データ分析の箇所の記述に難あり。「因果関係を表現する代表的な数理モデルである回帰分析」「回帰分析のように因子間の因果関係も同時に評価」とあるのはいただけない。相関と因果は違うという記述もない。ランダムフォレストの解説で「森に見立てた大量データから」とあるが、たくさんの木の事を森と見立てているはず。ニューラルネットワークを「非線形予測モデル」、サポートベクターマシンを「非線形クラス判別」としているが、予測もクラス判別も行える。本文ではサラッとしか振れてないのに、参考文献にいきなり講談社機械学習プロフェッショナルシリーズの『深層学習』もあるが、機械学習の項目はちょっととってつけた感がある。
『データ・ドリブン・マーケティング―――最低限知っておくべき15の指標』
- データ分析というよりは、データを用いたマーケティングにどういった指標が必要かという解説の本。Amazon社員の必須テキストらしい。

需要予測

『在庫管理のための需要予測入門』キャノンシステムソリューションズ株式会社数理技術部編
- 需要予測の本があまりないようです。理論的な詳しい本ではありませんが概要を見るにはよい本と思います。

番外
時系列データで経済・金融データを扱い需要予測周りも少し扱ったので関連書を

経済学

計量経済学

中級・上級『計量経済学 (y21)』浅野哲、中村二朗著　有斐閣
- 計量経済学の中級書の定番。重回帰、経済データの取り扱いなどが参考になると思う。

経済指標

初級『「名目GDPって何?」という人のための経済指標の教科書 (PHPビジネス新書)』小宮一慶著
- 経済指標を扱う必要が出てきた時にまず読むとよい。GDPは知ってるよという方もあらためて知ることが多いと思う。
初級・中級『ウォールストリート・ジャーナル式　経済指標読み方のルール』上野泰也監訳
- 定番指標とちょっとずらした玄人好みの指標の解説。
中級『第6版投資家のための金融マーケット予測ハンドブック』三井住友信託銀行マーケット事業部編
- 私が読んだのは第5版だが最近第6版が出た。経済金融指標が網羅されており、手元に置いておきたい。

その他

人工知能

データサイエンスや機械学習を行うにあたって直接的には人工知能の知識は必要ないと思います。ただ、人工知能のニュースが連日流れており、上司から「人工知能でなんかやれ」と言われてお困りの方もいらっしゃるのではないでしょうか。事例記事に流されていると何が人工知能なのかわからなくなってくるので一度、引きの立場で眺めてみるのも良いかと思います。

初級『マッチ箱の脳(AI)―使える人工知能のお話』森川幸人著
- ニューロン1つをマッチ箱に見立てて、マッチで重みを表現するという面白い絵本仕立ての本。遺伝的アルゴリズム、ニューラルネットワークに加えてエキスパートシステムは強化学習法の解説まである。Amazon中古はあるみたいなので、人工知能や機械学習のイメージをつかみたい初心者によいのではないか。
初級『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』
- コンピュータ将棋第一人者で名人を倒したポナンザの開発者山本さんの本。人工知能がいくつかのハードルを乗り越えたのを「卒業」と表現しているのが興味深い。理論的な解説はないが、ボナンザ、アルファ碁、機械学習、深層学習、強化学習、モンテカルロ探索などについて平易な解説がある。
初級『人工知能はいかにして強くなるのか? 対戦型AIで学ぶ基本のしくみ (ブルーバックス)』
- 人工知能というよりコンピューターチェス、コンピューター碁についての入門書です。AlphaGOについても言及がありますが深層学習より手の探索のアルゴリズムの説明。人工知能を知る入門としては弱いと思うけど、新書なので軽く読むのにはいいのではないでしょうか。
- 初級『最強囲碁AI アルファ碁解体新書深層学習、モンテカルロ木探索、強化学習から見たその仕組み』
- アルファ碁の解説を通して、深層学習、強化学習、モンテカルロ法などの触りですが、分かりやすいと思います。
初級・中級『人工知能入門』小高知宏著
- 大学の半期の講義用の教科書らしい。人工知能の概要をコンパクトにまとめている。数式はほとんどなく、章末問題に少し出てくる。本来は1章が分厚い1冊になる内容をまとめているので物足りなさは残るが「人工知能」についての概要を知るのにはよいと思う。人工知能≠機械学習であり、人工知能⊃機械学習（人工知能は機械学習とイコールではなく、人工知能を目指す技術の一部が機械学習）ってことがよく分かります。

データサイエンティストによる推薦リスト

っーかaokikenichiって誰やねん、自分なんか信じらんねーという方向けに信頼と実績の著名データサイエンティストによる推薦リストを

データサイエンティスト協会「スキル委員による推薦リスト」
- 網羅的でいーのだが順不同で見難いな
朱鷺の杜「機械学習テキストブック」
- 機械学習情報サイトのサラブレッドって感じ。研究者志向なリスト。
六本木で働くデータサイエンティストのブログ「書評」
- 記事でもなんども引用させていただいているビジネス向け機械学習情報サイトの雄。ビジネス向けなら硬軟あり一番優れたリストと思います。
時系列分析のためのブックガイド
マーケティングメトリクス研究所「今年こそデータサイエンティストになると決意したあなたが読むべき10冊」
- マーケティングのサイトなのでマーケティング担当者向けなのだろうけど「まず基本統計量を」と『統計学入門』東京大学出版会を出してしまうと、ここでみんな挫折してしまうのではないだろうか、、、
Qiita記事「データサイエンティストに興味があるならまずこの辺りを見ておきな、って文献・動画のまとめ（随時追加）」
- 存じあげない方ですがQiita記事の先輩として参考とさせていただいております。
データ分析の入門書にオススメな本11冊
- Googleアナリティクスの専門家の方らしい。ExcelメインでR入ろうかどうしようかというビジネスマン向け。
Big Data Magazine＜書籍15選＞いま読んでおきたいビッグデータ関連書籍～事例、ビジネスでの活用、技術等～
- ビジネスマン向け。

うーん、難しそうだ無理というなら、データ分析の数学学習に疲れ「数学大嫌い」というあなたを癒やすお友達あるいは悪魔へ

最新の情報や、スクリプト例を無料で知りたいというなら、データサイエンス領域の役立つブログをまとめる（日本のみ）

既読未分類

『統計的因果探索（機械学習プロフェッショナルシリーズ』
『予測の達人が教える経済指標の読み方』
『スパース推定法による統計モデリング (統計学One Point)』
TDAの準備として
『曲がった空間の幾何学現代の科学を支える非ユークリッド幾何とは (ブルーバックス)
群論入門対称性をはかる数学 (ブルーバックス)
『タンパク質構造とトポロジー ―パーシステントホモロジー群入門― (シリーズ・現象を解明する数学)』

健一青木 aokikenichi

時系列分析、機械学習一般の雑用係。R。 https://deepanalytics.jp/profile/848 https://www.kaggle.com/aokikenichi こんな本を読んでいます https://bookmeter.com/users/631434 「人気ブログランキング」https://blog.with2.net/link/?1904745