概要

Excel で体験しながら機械学習の土台となる統計手法を習得する

想定読者

機械学習・AI に関心を持ち始めた非エンジニア・文系社会人。大学レベルの数学知識がなくても統計の仕組みを視覚的に理解したい人。

こんな人には向いていない

• Python や R でモデルを組んだ経験がある人には実装例が不足しており物足りない
• 統計検定 2 級以上の知識をすでに持つ人には基礎事項の比重が大きすぎる
• ディープラーニングや神経回路網の仕組みを学びたい人は対象外(本書はクラシカルな統計的機械学習を扱う)

読了後にできるようになること

• 回帰分析・ロジスティック回帰・線形判別分析など教師あり学習の統計的背景を説明できる
• k-means 法・階層的クラスタリング・主成分分析など教師なし学習の手順を Excel で追える
• 分散・共分散・相関係数・確率変数といったデータサイエンスの基本概念を定義から理解できる
• ナイーブベイズや決定木・ランダムフォレストが統計的にどのように機能するかを説明できる
• 数量化 I 類・II 類・III 類(コレスポンデンス分析)など日本の実務でよく使われる手法との接続を把握できる
• 行列・固有値・微分の基礎を付録で補強し、読後に数式ベースの参考書へ移行できる素地を作れる

本書のキー概念(章解説)

• 第 1 章 統計学と機械学習 — 統計学と機械学習の関係性、対象データの違い、教師あり・なし学習の区別を概観する導入章。全体像を掴む目的で必ず読む。
• 第 2 章 データサイエンスの基本 — 平均・分散・相関係数・確率分布など土台となる概念を扱う。すでに統計基礎を押さえている読者は確認程度に流してよい。
• 第 3 章 『教師あり』機械学習と統計学 — 線形回帰からランダムフォレストまで 10 手法を収録。実務直結度が高く、本書の核心となる章。
• 第 4 章 『教師なし』機械学習と統計学 — クラスタリング・主成分分析・コレスポンデンス分析を扱う。教師なし手法に初めて触れる場合は 3 章の後に読むとスムーズ。

ハイライト

• 図を多用し、具体例を重視した内容になっています。また、Excel を使って解説するので、大学レベルの難しい数学の知識のない入門者でも、視覚的にそのしくみを学ぶことができます。(数式を使わずに仕組みを体験できる点が本書の最も明確な差別化要因)

編集メモ

Qiita 直接言及 0 件 / 楽天ランキング履歴なし。技術評論社の Excel 統計シリーズとして一定の読者層を持つが、外部シグナルが取得できなかったため supplementary と判定。

読む前に押さえておきたいこと

• 四則演算・比例・指数といった中学〜高校数学の基本操作
• Excel の基本操作(セル参照・グラフ作成程度)
• 機械学習や AI に関する概要レベルの興味・動機(専門知識は不要)

学習のコツ

• Excel ファイルを実際に操作しながら読む。手を動かさずに通読するだけでは定着が薄い。
• 3 章は 10 手法を独立して扱っているため、業務で必要な手法から先に読んでも問題ない。
• 付録(行列・固有値・微分)は読み進めて詰まったときに参照する補強資料として使う。最初から順番に読む必要はない。
• 本書で全体像を掴んだ後、Python(scikit-learn)や統計検定の参考書に移行するステップアップ路線として位置付けると学習曲線が滑らか。