割引: ￥ 72 (2%)
Kindle 価格: ￥3,536

(税込)

獲得ポイント:
63ポイント (2%)

ご購入時にプロモーションが適用されます

これらのプロモーションはこの商品に適用されます:

一部のプロモーションは他のセールと組み合わせることができますが、それ以外のプロモーションは組み合わせることはできません。詳細については、これらのプロモーションに関連する規約をご覧ください。

今すぐお読みいただけます: 無料アプリ
を購読しました。 続刊の配信が可能になってから24時間以内に予約注文します。最新刊がリリースされると、予約注文期間中に利用可能な最低価格がデフォルトで設定している支払い方法に請求されます。
「メンバーシップおよび購読」で、支払い方法や端末の更新、続刊のスキップやキャンセルができます。
Kindleアプリのロゴ画像

無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。

ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。

携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。

KindleアプリをダウンロードするためのQRコード

著者をフォローする

すべてを表示
阪田 隆司
フォロー
平松 雄司
フォロー
何か問題が発生しました。後で再度リクエストしてください。

Kaggleで勝つデータ分析の技術 Kindle版

平松 雄司 (著), 阪田 隆司 (著), 保坂 桂佑 (著), 形式: Kindle版
4.5 5つ星のうち4.5 350個の評価
すべての形式と版を表示
（概要）

データサイエンスの認知の高まりとともに，データ分析に関するコンペティションが多数開催されるようになってきました。最も有名なコンペティションプラットフォームであるKaggleにおけるプレイヤー数は10万人を超え，多くのエンジニアが自分の腕を試すためにコンペティションに参加しています。分析コンペでは，実際のデータを扱うため，機械学習の解説書にはあまり載っていないような手法やテクニックが数多く活用されています。これらを理解し自身で使えるようにしておくことはコンペだけでなく，実務でのモデル構築において非常に役に立ちます。
そこでこれらのテクニックや事例を多くの人に知っていただくために，現時点で最新のものを整理して本書にまとめました。特徴量の作り方，バリデーション，パラメータチューニングなどについて，一般的な書籍ではあまり言及されない暗黙知やポイントについて記述しています。分析コンペにこれから参加してみたい方，あるいはもっと上を目指したい方だけでなく，実務で予測モデルの精度を上げたいという方にも参考になる情報が多いでしょう。


（こんな方におすすめ）

・Kaggle をはじめたい方、データ分析者、データサイエンティスト


（目次）

第1章　分析コンペとは?


  • 1.1 分析コンペって何？

  • 1.2 分析コンペのプラットフォーム

  • 1.3 分析コンペに参加してから終わるまで

  • 1.4 分析コンペに参加する意義

  • 1.5 上位を目指すためのポイント

第2章　タスクと評価指標


  • 2.1 分析コンペにおけるタスクの種類

  • 2.2 分析コンペのデータセット

  • 2.3 評価指標

  • 2.4 評価指標と目的関数

  • 2.5 評価指標の最適化

  • 2.6 評価指標の最適化の例

  • 2.7 リーク（data leakage）

第3章　特徴量の作成


  • 3.1 本章の構成

  • 3.2 モデルと特徴量

  • 3.3 欠損値の扱い

  • 3.4 数値変数の変換

  • 3.5 カテゴリ変数の変換

  • 3.6 日付・時刻を表す変数の変換

  • 3.7 変数の組み合わせ

  • 3.8 他のテーブルの結合

  • 3.9 集約して統計量をとる

  • 3.10 時系列データの扱い

  • 3.11 次元削減・教師なし学習による特徴量

  • 3.12 その他のテクニック

  • 3.13 分析コンペにおける特徴量の作成の例

第4章　モデルの作成


  • 4.1 モデルとは何か？

  • 4.2 分析コンペで使われるモデル

  • 4.3 GBDT（勾配ブースティング木）

  • 4.4 ニューラルネット

  • 4.5 線形モデル

  • 4.6 その他のモデル

  • 4.7 モデルのその他のポイントとテクニック

第5章　モデルの評価


  • 5.1 モデルの評価とは？

  • 5.2 バリデーションの手法

  • 5.3 時系列データのバリデーション手法

  • 5.4 バリデーションのポイントとテクニック

第6章　モデルのチューニング


  • 6.1 パラメータチューニング

  • 6.2 特徴選択および特徴量の重要度

  • 6.3 クラスの分布が偏っている場合

第7章　アンサンブル


  • 7.1 アンサンブルとは？

  • 7.2 シンプルなアンサンブル手法

  • 7.3 スタッキング

  • 7.4 どんなモデルをアンサンブルすると良いか？

  • 7.5 分析コンペにおけるアンサンブルの例

付録


  • A.1 分析コンペの参考資料

  • A.2 参考文献

  • A.3 本書で参照した分析コンペ
Previous page
  1. 本の長さ
    682ページ
  2. 言語
    日本語
  3. 付箋メモ
    Kindle Scribeで
  4. 出版社
    技術評論社
  5. 発売日
    2019/10/9
  6. ファイルサイズ
    19543 KB
  7. Page Flip
    有効
  8. Word Wise
    有効にされていません
  9. タイプセッティングの改善
    有効
  10. すべての詳細を表示
Next page
この本はファイルサイズが大きいため、ダウンロードに時間がかかる場合があります。Kindle端末では、この本を3G接続でダウンロードすることができませんので、Wi-Fiネットワークをご利用ください。

商品の説明

著者について

著者プロフィール

門脇大輔(かどわきだいすけ)
京都大学総合人間学部卒業後、生命保険会社でアクチュアリーとして10年ほど商品開発・リスク管理などに従事した後、Kaggleに出会ったことをきっかけにキャリアを放り出してKaggleや競技プログラミングで学んだ技術でお仕事をするようになった。
Kaggle Competitions Master(Walmart Recruiting II: Sales in Stormy Weather 優勝、Coupon Purchase Prediction 3位)、日本アクチュアリー会正会員

Twitter:@threecourse

本書の4章、6章、7章および1章、2章、3章、5章の一部を執筆。

阪田隆司(さかたりゅうじ)
2012年に京都大学大学院修了後、国内電機メーカーに入社。以来、データサイエンティストおよび研究員として従事。仕事柄、データサイエンス・機械学習に興味を持ち、2014年よりKaggleを始め、2019年にKaggle Competitions Grandmasterとなる。

Twitter: @sakata_ryuji

本書の3章、5章を執筆。

保坂桂佑(ほさかけいすけ)
東京大学大学院総合文化研究科広域科学専攻で天体シミュレーションの研究で修士号を取得後、データ分析のコンサルティング企業で、10年近く企業のデータ分析支援に携わった。その後大手Webサービス企業に入社し、データ活用の推進に携わったあと、現在はデータサイエンティストや機械学習エンジニアの育成、マネジメントに従事。プライベートでは子育てに専念中。Kaggle Competitions Expert

Twitter: @free_skier

本書の1章、および6章の一部を執筆。

平松雄司(ひらまつゆうじ)
東京大学理学部物理学科卒業、同大学大学院理学研究科物理学専攻修了後、国内電機大手に就職した後、金融業界へと転身し、金融システム会社にてデリバティブクオンツ、国内大手損保グループにてリスクアクチュアリー業務に携わった。現在は、アクサ生命保険株式会社にてシニアデータサイエンティストとして社内のデータ分析の促進に従事。また、東京大学へ研究員としても出向中で、医療データの分析・研究を行っている。日本アクチュアリー会準会員。Kaggleを本格的に始めたのは2016年頃からであり、2018年にKaggle CompetitionsMasterとなっている。くまのぬいぐるみが好きでたまらない。

Twitter: @Maxwell_110

本書の2章、および7章の一部を執筆。 --このテキストは、tankobon_softcover版に関連付けられています。

著者略歴 (「BOOK著者紹介情報」より)

門脇/大輔
京都大学総合人間学部卒業後、生命保険会社でアクチュアリーとして10年ほど商品開発・リスク管理などに従事した後、Kaggleや競技プログラミングで学んだ技術で仕事をするようになった。Kaggle Competitions Master(Walmart Recruiting 2:Sales in Stormy Weather優勝、Coupon Purchase Prediction3位)、日本アクチュアリー会正会員

阪田/隆司
2012年に京都大学大学院修了後、国内電機メーカーに入社。以来、データサイエンティストおよび研究員として従事。仕事柄、データサイエンス・機械学習に興味を持ち、2014年よりKaggleを始め、2019年にKaggle Competitions Grandmasterとなる

保坂/桂佑
東京大学大学院総合文化研究科広域科学専攻で天体シミュレーションの研究で修士号を取得後、データ分析のコンサルティング企業で、10年近く企業のデータ分析支援に携わった。その後大手Webサービス企業に入社し、データ活用の推進に携わったあと、現在はデータサイエンティストや機械学習エンジニアの育成、マネジメントに従事。Kaggle Competitions Expert

平松/雄司
東京大学理学部物理学科卒業、同大学大学院理学研究科物理学専攻修了後、国内電機大手に就職した後、金融業界へと転身し、金融システム会社にてデリバティブクオンツ、国内大手損保グループにてリスクアクチュアリー業務に携わった。現在は、アクサ生命保険株式会社にてシニアデータサイエンティストとして社内のデータ分析の促進に従事。また、東京大学へ研究員としても出向中で、医療データの分析・研究を行っている。日本アクチュアリー会準会員。2018年にKaggle Competitions Masterとなっている(本データはこの書籍が刊行された当時に掲載されていたものです) --このテキストは、tankobon_softcover版に関連付けられています。

登録情報

  • ASIN ‏ : ‎ B07YTDBC3Z
  • 出版社 ‏ : ‎ 技術評論社 (2019/10/9)
  • 発売日 ‏ : ‎ 2019/10/9
  • 言語 ‏ : ‎ 日本語
  • ファイルサイズ ‏ : ‎ 19543 KB
  • Text-to-Speech（テキスト読み上げ機能） ‏ : ‎ 有効
  • X-Ray ‏ : ‎ 有効
  • Word Wise ‏ : ‎ 有効にされていません
  • 付箋メモ ‏ : ‎ Kindle Scribeで
  • 本の長さ ‏ : ‎ 682ページ
  • カスタマーレビュー:
    4.5 5つ星のうち4.5 350個の評価

著者について

著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
前のページ
  1. 阪田 隆司

    阪田 隆司

    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう

    著者ページでもっと見る
  2. 平松 雄司

    平松 雄司

    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    東京大学理学部物理学科・同大学大学院理学研究科物理学専攻卒．

    国内電機大手に入社後，金融業界へと転身．

    金融システム会社にてデリバティブクオンツを経験した後，

    国内大手損保グループにて再保険に関連したリスクアクチュアリー業務に携わる．

    現在は，外資系生保にてチーフデータサイエンティストとして社内・外のデータ分析の促進に従事．

    くまのぬいぐるみが好きでどうしようもない．

    著者ページでもっと見る
  3. 門脇 大輔

    門脇 大輔

    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう

    著者ページでもっと見る
次のページ

カスタマーレビュー

星5つ中4.5つ
5つのうち4.5つ
350グローバルレーティング

この商品をレビュー

他のお客様にも意見を伝えましょう
カスタマーレビューを書く

上位レビュー、対象国： 日本

Fibonacci
5つ星のうち5.0 いつもオススメに出てくるだけはある
2024年2月27日に日本でレビュー済み
Amazonで購入
Amazonでオススメに出てくるだけあって本物でした。

情報量の密度と質が高く素晴らしい。
本書を一読すればMLエンジニアが精度を上げるために普段どんなことをしてるのかが大体わかる。他のKaggle系はもちろん、MLの導入系の本は一歳不要ではなかろうか
いろんなML手法はあるが、結局はGBDTかNN。あとは特徴量エンジニアリングとバリデーション・評価指標の設定を練る。それ知ってるだけで他モデルの調査・実装以外にやれる選択肢の幅が違いますよね

Webの記事からでも拾える情報かもだが、個人的には、どこの馬の骨が書いた知見よりもTOP Kaggler勢から直伝してもらえるところに価値があると感じます。彼らの常識、rule of thumb （書籍内の「Author's opinion」での意見なども有用）には価値があり、安心して参考にできます。

良いモデルを作るには時間がかかりますので
1人で闇雲に取り組むより、TOP Kagglerが言ってることを真似した方が圧倒的に効率的ですよね
1人のお客様がこれが役に立ったと考えています
役に立った
 レポート
zety
5つ星のうち4.0 これからkaggleに挑戦したい人向け
2022年3月6日に日本でレビュー済み
Amazonで購入
kaggle挑戦者が押さえるべきテクニックを一冊に集約した本という印象です。
どちらかと言えば中級レベル以上になる人のための本です。
私はある程度座学を勉強して今はkaggleに取り組むためのチュートリアル的な位置づけとして本書を利用しています。機械学習を最初から勉強するための本ではないのである程度の基礎知識を得てから取り組むのがお勧めです。コードが掲載されていますがアルゴリズムの内容を詳しく説明してはいないので随時自分でググる必要性があると思います。分からなかったら途中まで調べて次に進むでも構わないと思います。完全に理解しようとすると迷子になってしまうので。また技術書は分厚く重いのでkindleで全部管理したほうが効率が上がるのでオススメです。
9人のお客様がこれが役に立ったと考えています
役に立った
 レポート
Cwenburga
5つ星のうち5.0 ありがとうございました。
2024年1月27日に日本でレビュー済み
Amazonで購入
ありがとうございました。状態、発送、なにも言うことありません。また機会あれば是非よろしくお願い申し上げます。
役に立った
 レポート
an English teacher
5つ星のうち5.0 噂通りの良書です！
2024年3月23日に日本でレビュー済み
一度挫折したのですが，『Pythonデータサイエンスハンドブック』でNumpyやPandasの基礎を身に付けてから再チャレンジしたところ，この本の良さを実感することができました。まず，Pythonにありがちな「ライブラリがアップグレードされて，コードが動かない」ということがほとんどありません。強いて挙げるならば，tensorflowのpredict_proba関数が既に廃止されている点くらいです。また，数学的に深入りしすぎず，適度な詳細度で，各種アルゴリズムを説明してくれています。ただし，勾配ブースティング木 (GBDT) のアルゴリズムの解説は丁寧で，理解が深まりました。通読してみて，やはり「いかに良い特徴量を設計するか (特徴量エンジニアリング)」が最も重要で，「第3章 特徴量の作成」がとても参考になりました。分厚い本ですが，サンプルコードも付いているので，1行ずつ打ち込みながら動作確認すれば，きっと実り多き学習となるでしょう。
役に立った
 レポート
三無口尹氏三
5つ星のうち5.0 わたし次第です
2023年7月9日に日本でレビュー済み
Amazonで購入
星5にするのは自分次第です。がんばります😆
7人のお客様がこれが役に立ったと考えています
役に立った
 レポート
ぼぼん
5つ星のうち3.0 調べることに関しては良い商品
2020年7月7日に日本でレビュー済み
Amazonで購入
調べることに関しては良い。
これを見て勉強はあまりしなかった。
困った時に助けてくれる。
役に立った
 レポート
しも
5つ星のうち4.0 改めて勉強になることが多くあった
2021年8月22日に日本でレビュー済み
Amazonで購入
手法については既知のものが多く新発見は無かったものの、情報を整理してまとめてあるので自分の中の情報を再整理することができたことと、ハイパーパラメーターなどについては勉強になった。
5人のお客様がこれが役に立ったと考えています
役に立った
 レポート
Kyo
5つ星のうち5.0 機械学習入門実践のおすすめ本
2022年4月22日に日本でレビュー済み
Amazonで購入
データの前処理、機能の作成、モデリング、評価などについて学ぶために強くおすすめする本。
3人のお客様がこれが役に立ったと考えています
役に立った
 レポート
問題を報告

この商品には、不適切な内容が含まれていますか?
報告
この商品は、著作権を侵害していると思いますか?
報告
この商品には、品質または書式設定の問題が含まれていますか?
報告