データサイエンス&サイバーセキュリティ備忘録

Python, Data Science, Kaggle, Cyber Security, CTF, などなど

おすすめ書籍: データ分析のための数理モデル入門 本質をとらえた分析のために

Twitterで、この本の著者である、江崎貴裕さんのツイートで本のことを知りました。

数理モデルに関しては、前から大学時代の知識と合わせてネットで勉強していましたが、ここ最近になって辞書代わりとして何か1冊購入したいと思うように。

この本の帯にある、"本当にそのモデルでいいんですか?"という、ドキッとさせるようなキャッチコピーに特に惹かれて、発売されたら本を購入しようと決めていました笑

ある日、本の情報を収集しているときに江崎さんのツイートでサイン本のプレゼントの企画を見つけ、応募したらまさかの当選。(当たると思わなかった)

本が届いて早速読もうと最初に目次を見てみると、そもそも数理モデルとは何かという説明から、時系列モデルや機械学習モデルの解説、また、目的別に数理モデルの設計のポイントまで盛りだくさん。

簡単な例を挙げての説明や、より細かいことは補足として注釈で丁寧に書いてあるので、理解をより深めることのできる入門書としてまとめてあると思います。

個人的にはこの本を読めて満足しているので、ここからはもう少し詳しい本の紹介と、読んだ後の所感をまとめます。

所感に関しては、あくまでもブログ筆者自身の意見なので悪しからず。

一応、私のバックグラウンドを簡単に説明すると、アメリカのCSの学士号を持っている、新卒2年目データサイエンティストです。

また、本の詳しい内容は目次を見ればだいたい分かるので、このブログでは目次だけ載せておきます。

目次

本の目次は以下の通りです。

第一部 数理モデルとは
第1章 データ分析と数理モデル
第2章 数理モデルの構成要素・種類

第二部 基礎的な数理モデル
第3章 少数の方程式によるモデル
第4章 少数の微分方程式によるモデル
第5章 確率モデル
第6章 統計モデル

第三部 高度な数理モデル
第7章 時系列モデル
第8章 機械学習モデル
第9章 強化学習モデル
第10章 多体系モデル・エージェントベースモデル

第四部 数理モデルを作る
第11章 モデルを決めるための要素
第12章 モデルを設計する
第13章 パラメータを推定する
第14章 モデルを評価する

対象読者

この本はタイトルにある通り、数理モデル入門書です。

なので、本にはたくさんの数式が出てきます。

しかし、それぞれの数式の意味や変数が何を指しているのかを丁寧に説明しているので、文系・理系問わず誰でも簡単に読み進めることができると思います。

この本のポイント

本を読んでいて、読者が読みやすいように工夫されていると感じたので、ポイントごとにまとめます。

図・グラフが盛りだくさん

数理モデルを初めて勉強する方にとっては、いきなり数式だけが出てきてもイメージが沸かずに難しいと感じてしまうかもしれません。

しかし、この本では方程式とグラフで説明しているページもあり、数理モデルの専門用語を図で説明している箇所もあるので、非常に分かりやすいです。

このような工夫は初学者にとって理解の助けになり、最初から躓いてしまうことがなくなると思います。

フルカラーである

人によるかと思いますが、私はモノクロよりはカラーの方がやはり読みやすいです笑

また、1つ目のポイントでも書いた通り、図やグラフで説明している箇所が多く、複合グラフは色別でそれぞれのグラフが書かれているので分かりやすいです。

文章を読んで理解するだけでなく、視覚的にも理解できるかと思います。

まずは基礎をしっかり固めてからモデル設計

この本は、先ほどの目次でも紹介したように大きく4部に分かれています。

第一部 数理モデルとは
第二部 基礎的な数理モデル
第三部 高度な数理モデル
第四部 数理モデルを作る

この本1冊では、数理モデルとは何かの説明から始まり、モデルの設計まで学べます。

しかし、第二部と第三部にあるようにしっかり段階を踏みつつ、様々な種類のモデルを学ぶようになっています。

なので、順番に最後まで読めば、実際に設計をするときにモデルを使い分けることができるようになる構成だと感じました。

本文で幅広く扱い、注釈でより細かく説明

各部・各章の説明はしっかり説明はしているが深く説明しすぎていない、丁度よい量だと思いました。

しかし、著者がより細かく説明したい箇所については注釈で説明がしてあったり、さらに理解を深めたい人向けに別の参考書の紹介がされています。

注釈の数は今まで私が読んだ本の中で多い方かと思いますが、ただ追加の説明をするのではなく、実践に向けてしっかり補足するという役割を持っていると思います。

最後に

これからデータ分析の仕事に関わる方や、データサイエンスの勉強をしたいけど最初に何を学べかいいか分からないという方にお勧めです。

個人的に、データサイエンスの初学者はこの本で基礎を固めながらPython(またはR)を学び、Kaggleで少しづつ力をつけるという流れがいいかと思いました。