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) の感想

246 人が閲覧しました

データサイエンティストというか、分析のわかる技術者を養成するためのムック。
他の「データサイエンティスト」と銘打ったムックと比べ技術者向けの内容で、手を動かせばきちんと現場に持ち帰れる知識が得られます。
また、興味ある分野をさらに深掘りできるよう、各章末には参考文献も揃っています。

今回は統計計算とグラフィックスのためのフリーなソフトウェアプログラミング言語および環境である「R活用編」です。
前のムックでも半分近くをRの内容で占めていたのですが、今回はもう少し深掘りした内容となっています。

２章は、統計学やその周辺領域についての概説です。
知らない人にとっては、RStudioによる記述統計学・推測統計学の解説は分かりやすいのではないでしょうか。
データマイニング・機械学習の解説も何気に本格的で興味深かったです。

３章では、Rによる日々の集計処理に役立ちそうな話題が紹介されています。
特に、ちょっとした集計処理を「Rを使うまでもないかな」とExcelのピポットテーブルで行っていた私には
3-2のreshape2/tidyrパッケージの記事は目から鱗が落ちました。

４章の時系列分析と５章は今ひとつでした。
時系列分析は購入動機になるくらい期待していたのですが、紙面の都合もあり内容は不満足でした。
こちらは参考文献のRによる時系列分析入門や、現場ですぐ使える時系列データ分析を当たった方がよいでしょう。

本書の内容をまとめると第2章、第4章はデータ分析（統計学入門、データマイニング入門、機械学習入門、時系列分析の基礎）、それ以外の章では、第1章はデータサイエンティストとしてのキャリア形成、第3章は集計処理とデータ整形、第5章は他言語との連携、第6章はRの限界とその克服、第7章は新言語Juliaについて述べてある。
私自身、データサイエンスの最先端にいるわけではない。また、どちらかといえば統計理論に詳しく、ITエンジニアではないことから、第1章、第2章以外の章は、目新しい項目について述べられているように思える。
R初心者以外にはRのコードもそれほど複雑なわけではない。
本当にRでデータ分析を行う際に、その足まわりをどうするかについて書かれている実践的な本だと思う。

各章の概要は以下の通り。
第1章
　　ビジネスにおける分析スキルの蓄積の難しさ、高度な分析手法を使ったからといってビジネス的な価値があるわけではないこと、ログデータのビジネス　　　での活用に必要なスキル、それから導かれるキャリアタイプ、R、Rstudioの導入の仕方、Rのデータ分析での限界について述べられている。
第2章
　　データサイエンティストに必要な統計知識として、統計学入門では記述統計学入門、推測統計学入門とに分け、検定の代表としてt検定を実装している。
　　データマイニング入門では、クラスタリングのうち非階層的手法の代表としてk-meansを、パターンを見つける方法としてアソシエーション分析、決定木を　　それぞれ実装している。
　　機械学習入門では、クラス分類としてサポートベクターマシン、ランダムフォレスト（分類）、数値予測として線形回帰モデル、ランダムフォレスト（回帰）を　　それぞれ1つのcaretパッケージで実装している。
第3章
　　Rでのパッケージによる高速集計、Excel上のピポットテーブルのようなデータ整形、pipe処理について述べられている。
第4章
　　時系列データの性質、パッケージによるそのデータ整形、特徴把握、可視化、暦の影響を織り込んだ予測について述べられている。
第5章