ポイント: ビッグデータとデータサイエンスに関する推奨書籍は、基本的な概念、方法論、および実用的なアプリケーションをカバーしています。タイトルには「ビッグデータ: 私たちの革命」や「ハドゥープ: Definitive Guide」が含まれ、初心者から経験豊富な専門家までの洞察を提供しています。
- 書籍はデータビジュアライゼーションや機械学習手法に関する洞察を提供します。
- リソースはこの分野の初心者と経験豊富な専門家の両方に対応しています。
この記事では、ビッグデータとデータサイエンスに特化した書籍やリソースを推奨します。
ビッグデータ: 私たちの生活、仕事、そして考え方を変える革命
著者: ヴィクトル・マイヤー＝ショーンベルガーとケネス・カウキエ
ビッグデータ: 私たちの革命は、ビッグデータの広範な概要とそれが現代社会に与えている影響を提供します。技術的な書籍ではありませんが、ビッグデータが何であり、それがさまざまな分野における実践にどのように影響を与えているかの良い高レベルの紹介を提供します。
- 詐欺検出
- 国際法執行
- 言語学
- 自動言語翻訳
ビジネスマネージャーやアナリスト、あるいはCレベルの幹部に非常に適しているビッグデータ: 私たちの革命は、今日の情報革命の中で業界がどのように進むべきかについての洞察とガイダンスを提供します。
この書籍の中心的な前提の1つは、「なぜ、ではなく何」という概念です。たとえば、この書籍は次のように述べています：
「ビッグデータの時代は、私たちの生活と世界との関わり方に挑戦します。最も顕著なのは、社会が因果関係に対する執着を捨て、単純な相関関係に置き換える必要があることです：なぜを知らないが、何を知っているだけです。」
ハドゥープ: Definitive Guide, 第4版
著者: トム・ホワイト
ハドゥープ: Definitive Guideは、技術的な聴衆をターゲットにしたビッグデータの書籍です。この書籍は2009年に最初に出版され、現在は第4版の更新版として販売されています。
世界中の開発者やデータエンジニアから高く評価されているハドゥープ: Definitive Guideは、Apache Hadoop（HDFS、MapReduce、YARN）を使用して分散型、並列処理データシステムを構築および維持する方法を提供します。第4版の更新では、YARN、HBase、Parquet、Flume、Crunch、Pig、Hive、Sparkについて知っておくべき技術的詳細も含まれています。
この書籍は、医療およびゲノム科学業界からの興味深いケーススタディも提示しています。
データスマート: データサイエンスを使用して情報を洞察に変える
著者: ジョン・フォアマン
ビジネスプロフェッショナルはデータスマートを愛しています、それは単純です！データサイエンス初心者のために特別に書かれたデータスマートは、読者がデータサイエンスの基本概念と技術を理解するための非常に簡単な方法を提供します。さらに、この書籍は、普遍的なMicrosoft Excelでこれらの技術を実行する方法に関するステップバイステップのチュートリアルを提供します。データスマートでカバーされるデータサイエンス手法には、次のものが含まれます：
この書籍は、大規模な分析プロジェクトを開始するために必要なすべてを教えるわけではありませんが、データサイエンスの基本的なABCを学び、構成する方法のいくつかを学ぶのに役立ちます。
Pythonでの機械学習入門: データサイエンティストのためのガイド
著者: アンドレアス・C・ミューラーとサラ・グイド
Pythonでの機械学習入門は、さまざまなPythonデータサイエンスライブラリを使用して機械学習モデルを構築するための実用的なガイドラインを提供します。この書籍は、基本的な機械学習の概念をカバーし、さまざまなアプリケーションのコーディング例を提供します。モデリングガイドラインには次のものが含まれます：
- データ準備
- モデルの調整と評価
- AIアルゴリズム（教師あり学習および教師なし学習を含む）
- 統計的最適化技術
テキストおよび画像データの処理と視覚化に関する専用の章は、ユーザーがPythonでの実践的な機械学習を学ぶのに役立ちます。
(なぜPythonがビッグデータに最適なのかを見てください。)
著者: アーロン・クーリル、イアン・グッドフェロー、ヨシュア・ベンジオ
ディープラーニング
ディープラーニングは、この分野で最も著名な専門家の3人によって書かれた最も包括的な書籍の1つです。この書籍は、統計的機械学習のすべての関連分野を十分にカバーし、広範な数学的詳細を提供します。
- 確率と情報理論
- 最適化
- 数値計算
この書籍は、自然言語処理、コンピュータビジョン、自動運転、金融、ヘルスケアデータ、バイオインフォマティクス、エンターテインメントなどに適用可能な一般的な機械学習および数学的モデリングガイドラインを提供します。
この書籍は誰が使用すべきですか？機械学習のキャリアを追求する学部生および大学院生に最も適しています。統計およびコンピュータサイエンスのバックグラウンドを持つ専門家も、ディープラーニングの書籍を活用して、機械学習がどのように機能し、ビジネスに価値を提供するかを真に理解することができます。
機械学習のための数学
著者: マーク・ピーター・デイゼンロス、A・アルド・ファイサル、チョン・スーン・オング
数学は機械学習の最も不可欠な要素であり、ディープラーニングを超えています。機械学習のための数学は、一歩下がってさまざまな基本的な機械学習の概念を詳細にカバーします。
この書籍は、機械学習、特にディープラーニングへのキャリアシフトを目指す専門家にとって素晴らしい出発点ですが、基礎的な数学の知識が不足しています。この書籍は、微積分、線形代数、確率、最適化などのさまざまなトピックをカバーします。その後、サポートベクターマシンや主成分分析を含む中心的な機械学習アルゴリズムに目を向けます。
ただし、この書籍の後半部分は機械学習技術やアルゴリズムに関して包括的ではなく、さまざまな中心的ML手法はカバーされていませんが、この成長する分野において、すべてをカバーできる者は誰でしょうか？
パターン認識と機械学習
著者: クリストファー・ビショップ
パターン認識と機械学習は、データサイエンスに関するもう1つの素晴らしい書籍です。データスマートとは対照的に、パターン認識は、すでに高度な情報科学者や統計学者の興味と技術的能力を満たすために書かれています。
この書籍は、ビッグデータセットからの質問に迅速な回答を生成するのに役立つ推論近似アルゴリズムを紹介しています。この書籍はパターン認識や機械学習に関する前提知識を必要としませんが、読者は微積分と確率および線形代数の基本を熟知している必要があります。
エンジニアや統計学者は、この書籍の読みやすさと包括性を称賛していますが、批評家はその直感的でない数式重視のアプローチに不満を抱いています。
データで語る: ビジネスプロフェッショナルのためのデータビジュアライゼーションガイド
著者: コール・ヌスバウマー・クナフリ
データサイエンスの旅の最後の部分は、人工知能の視点から学んだ洞察を提示することです。データで語るは、データサイエンティスト、機械学習の専門家、ITプロフェッショナルが自分のMLの発見をシンプルで直感的なデータビジュアライゼーションとして提示できるようにします。
具体的には、この書籍はデータビジュアライゼーションの文脈とシンプルさの重要性、さまざまな統計手法と聴衆に適した技術の決定、混乱や不必要な複雑な情報の排除、ストーリーを提示するための設計概念を教えます。
この書籍には、同じ著者による別の実践ガイドもあります：データで語る: 実践しよう！。
関連書籍
これらの投稿は私自身の見解であり、必ずしもBMCの立場、戦略、または意見を表すものではありません。