Awesome Data Science Tutorials & Resources for Beginners
Data Science Tutorials & Resources for Beginnersを扱う資料や関連プロジェクトをまとめたAwesomeリストです。
データサイエンスとは？
- Quora の「データサイエンスとは？」
- 重要な用語の説明 - ビッグデータ、機械学習、データサイエンスの違い。
- Data Science for Business（書籍） - データサイエンスと、それをビジネス資産として利用する方法の入門。
- データサイエンスのプロセス：初心者向け総合ガイド - データサイエンスに必要な技術スキル。プロセス全体で必要となる実践的なスキルを重視します。
一般的なアルゴリズムと手順
- 教師あり学習と教師なし学習 - 最も一般的な2種類の機械学習アルゴリズム。
- 重要な9つのデータサイエンスアルゴリズムと実装
- 交差検証 - アルゴリズムやモデルの性能を評価。
- 特徴量エンジニアリング - モデルの予測を改善するためデータを変更。
- 重要な10のデータサイエンスアルゴリズムの科学的入門
- モデルアンサンブル：解説 - 複数のモデルを一つにまとめて性能を向上。
Python によるデータサイエンス
多くの人がすでに使い慣れているため、このリストでは Python だけを扱います。R を使うデータサイエンスのチュートリアル。
一般
- O’Reilly Data Science from Scratch（書籍） - サンプルコードを使ったデータ処理、実装、可視化。
- Coursera Applied Data Science - 関連するツールキットの大半を扱う Python 使用のオンライン講座。
Python の学習
numpy
numpy は、大規模な多次元配列と、それに対する高速な数学演算を提供する Python ライブラリです。
pandas
pandas は、Python 向けの効率的なデータ構造と分析ツールを提供します。numpy 上に構築されています。
- pandas 入門
- DataCamp pandas foundations - 有料講座ですが、アカウント作成時に30日間無料で利用できます（修了には十分です）。
- Pandas チートシート - 最も重要な関数をすばやく概観。
scikit-learn
scikit-learn は、Python の機械学習とデータサイエンスで最も一般的なライブラリです。
Jupyter Notebook
Jupyter Notebook は、データの可視化とコードの提示を容易にするウェブアプリケーションです。
- 最初の Jupyter Notebook をダウンロードして実行
- データ探索用ノートブックの例
- Seaborn データ可視化チュートリアル - Jupyter と相性のよい描画ライブラリ。
その他の便利なツールとリソース
- データサイエンスプロジェクトを整理するテンプレートフォルダー構造
- Anaconda Python ディストリビューション - データサイエンス向けの重要な Python パッケージの大半を収録。
- Spacy - テキストデータを扱うオープンソースツールキット。
- LightGBM 勾配ブースティングフレームワーク - 多数の Kaggle 課題で成果を上げています。
- Amazon AWS - 時間のかかる計算向けにクラウドサーバーを借りられます（最初は r4.xlarge サーバーがおすすめです）。
初心者向けデータサイエンス課題
複雑さが増す順に並んでいます。
- 手順解説：住宅価格課題 - シンプルな住宅価格課題の手順解説。
- 献血課題 - ドナーが再び献血するかを予測。
- タイタニック課題 - タイタニック号での生存を予測。
- 給水ポンプ課題 - アフリカの給水ポンプの稼働状態を予測。
より高度なリソースとリスト
貢献
貢献を歓迎します。最初に貢献ガイドラインをお読みください。
ライセンス
法律で認められる範囲において、Simon Böhm はこの作品に関するすべての著作権および 関連する権利、隣接権を放棄しています。免責事項：一部のリンクはアフィリエイトリンクです。