学習ロードマップ
エンジニアのための統計入門
記述統計から推定・検定・回帰・多変量解析まで、数式を追い過ぎず実務で意思決定に使える統計の核を 5 冊で身につける。
SCROLL TO BEGIN
学習ロードマップ
記述統計から推定・検定・回帰・多変量解析まで、数式を追い過ぎず実務で意思決定に使える統計の核を 5 冊で身につける。
このロードマップが扱うもの
- A/B テストやログ分析の結果を「有意」「効果あり」と判断する根拠に自信が持てないエンジニア - 機械学習や データ基盤を扱うが、確率・分布・検定の土台に穴があると感じているバックエンド/MLOps 実務者 - 施策レビューや論文・技術記事に出てくる p 値・信頼区間・回帰係数を自分の言葉で説明したい中級者
このロードマップの全体像
ロードマップ
第 1 章
数式より先に、分布・標本・検定といった統計用語の位置関係を俯瞰するための 1 冊目。ロードマップの地図を手に入れる役割。
記述統計から確率分布、推定・検定までを体系立てて解説する定番書。ロードマップの背骨として用語と論理の基準を作る。
自然科学・工学への応用を軸に、回帰分析・分散分析・ノンパラメトリック検定を扱う続編。手法を実データに接続する段で使う。
推定・検定・回帰の統計を機械学習の文脈で捉え直し、モデルの土台となる考え方をengineer目線で固める。
線形代数・確率・統計をPythonで手を動かして実装し、データサイエンスの数学的基礎を実務に落とす。
読む順に並べています。まずは1冊目から始めましょう。
まず読む1冊 なるほど統計学 見る →