Ｋａｇｇｌｅで勝つデータ分析の技術

門脇 大輔/阪田 隆司/保坂 桂佑/平松 雄司【著】

技術評論社（2019/10発売）

• サイズ B5判／ページ数 424p／高さ 24cm
• 商品コード 9784297108434
• NDC分類 417
• Cコード C3055

出版社内容情報

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。

目次

第１章　分析コンペとは？
第２章　タスクと評価指標
第３章　特徴量の作成
第４章　モデルの作成
第５章　モデルの評価
第６章　モデルのチューニング
第７章　アンサンブル
付録

著者等紹介

門脇大輔［カドワキダイスケ］
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［サカタリュウジ］
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［ホサカケイスケ］
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［ヒラマツユウジ］
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）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[vinlandmbit]

かなりの良書。特徴量の作成もしっかり扱ってくれつつ、各種モデルの解説からモデル評価、アンサンブルまで、Kaggle関係せずとも純粋に機械学習の学び、実践に活かせる一冊です。

2019/11/09

[ぶう]

kaggleで勝つデータ分析とあるがコンペでなくても活用できる内容の本。機械学習に関する教科書的な本は数多く出版されているが、本書のようにテクニック集的な書籍は少数なので有り難い。kaggleで勝つというタイトルから上級者向けに書かれているマニアックな内容かと思いきや、以外と初心者にも分かるほど丁寧な説明がされており、大変理解しやすかった。機械学習の基礎は覚えてモデルは作れるようになったが、さてどうやって精度を上げていけばいいのかというレベルの人が読むとよいのではないだろうか。とりあえずxgboost。

2021/12/06

[しんた]

データサイエンスを学んでいるときにメンターから勧められた本。やっと読む事ができた。私のレベルではまだ難しい。会社でデータ分析の研修を受けることになったので活用していきたい。

2022/07/23

[Taizo]

日本語で書かれたKaggleの攻略書のパイオニア的立ち位置であり、今なおバイブルとして利用されている本書。もし、Kaggleはやらない、という人であっても、機械学習プロジェクトに参画する（可能性がある）人であれば、一読を強くオススメする。単純なアルゴリズムや教科書的な精度評価から一歩踏み込んで、ビジネス指標に直結する精度設計や、特徴量エンジニアリングなど、実務でも役立つノウハウが満載。特に5章の「モデルの評価」は知っておかないと、「開発時はいい精度だったのに運用では全く精度が出ない」となりかねないので注意

2021/08/29

[shin_ash]

一応、データ分析を生業にしているので、"Kaggleに挑戦しなきゃ"と軽く脅迫観念を感じる中で手に取った。そう言う意味では"kaggleはそう言うものか"と言うのが分かって、脅迫観念から解放されたのが一番の収穫かも知れない。コンペと実務は大変似ている所と、大きく異なる所とを感じながら読めたので、実務家としても大いに参考になった。実践的テクニックは感心させられるものが多く、また、我流で適当にやってた事もそれなりに妥当っぽいことがわかってよかった。ただ、細かい理論の説明は専門書の解説の方が分かりやすいだろう。

2019/11/29