トップ 一覧 検索 ヘルプ RSS ログイン 印刷

参考文献の変更点

  • 追加された行はこのように表示されます。
  • 削除された行はこのように表示されます。
 勉強の仕方は人それぞれとして、オンライン学習で雰囲気なり概要を掴んでから、本を読んで細かいところまで深めていく方法が、自分にはあっているように思えます。
 実技能力も実践的知識もオンライン学習によるところが大きいです。
 さらに、本は同じテーマのものを数冊読むと、各著者に共通するところがだんだんと見えるようになってきます。が、已然として数学は苦手です。
 さらに、本は同じテーマのものを数冊読むと、各著者に共通するところがだんだんと見えるようになってきます。が、已然として数学(数式(ギリシャ文字))は苦手です。


!!統計以前

! 数学

*新井(2009), 数学は言葉―math stories
*新井(2011), 生き抜くための数学入門 (よりみちパン!セ)
*結城(2005) プログラマの数学
*平岡・堀(2004) プログラミングのための線形代数
*大村(2007改), 微積分のはなし(上・下)
*大村(2015改),  行列とベクトルのはなし
* [大村(1970)|http://amzn.asia/8onc4CM] 情報のはなし
* [大村(1991)|http://amzn.asia/eof6zN3 ]シミュレーションのはなし
* 大村(2018), 情報数学のはなし(改訂版)
* 小笠(2019)[高次元空間を見る方法 次元が増えるとどんな不思議が起こるのか (ブルーバックス) |https://amzn.to/2MXlJqL]
! データ処理
*本橋(2018), 前処理大全[データ分析のためのSQL/R/Python実践テクニック]

!テキストマイニング
* 石田(2018), Rによるテキストマイニング入門
* 石田・市川・瓜生・湯谷(2017), Rによるスクレイピング入門
* Silge&Robinson(大橋訳2018), Rによるテキストマイニング
* 樋口(2014), 社会調査のための計量テキスト分析―内容分析の継承と発展を目指して
* 金(2018), テキストアナリティクス (統計学One Point)
* 小林(2018), Rによるやさしいテキストマイニング [活用事例編] 
!!統計関連

!読み物

* Rosenhouse(松浦訳2013),	モンティ・ホール問題

* Huff(高木訳1968), 統計でウソをつく法

* 西垣(2016), ビッグデータと人工知能 – 可能性と罠を見極める
* 河本(2013),  会社を変える分析の力
* Reinhart(2015:西原訳2017), ダメな統計学
* Salsburg(2002:竹内・熊谷訳2006), 統計学を拓いた異才たち―経験則から科学へ進展した一世紀
* 河本(2017), [最強のデータ分析組織|http://amzn.asia/hd8hLVb]
* 人工知能学会(2016)[人工知能とは|https://amzn.to/2Mvk3G7]
* 上野(2019)[詳説 人工知能: アルファ碁を通して学ぶディープラーニングの本質と知識ベースシステム|https://amzn.to/32zt86a]
* 現代思想(2020vol.48-12) 特集 統計学/データサイエンス
* ウィル・カート(2020), 楽しみながら学ぶベイズ


!統計学一般
*盛山(2015),    統計学入門
*鳥居(1994),	はじめての統計学
*石村・石村(2010),	すぐわかる統計処理の選び方
*東大教養学部統計学教室(1991),	統計学入門(基礎統計学)※通称「赤本」
*小島(2006),	完全独習統計学入門
*平岡・堀(2009),プログラミングのための確率統計
*大村(2002改),  確率のはなし―基礎・応用・娯楽
*大村(2002改),  統計のはなし―基礎・応用・娯楽
*大村(2006改),  統計解析のはなし
*大村(2006改),  多変量解析のはなし
*大村(2010),   予測のはなし―未来を読むテクニック
*大村(2011改), 信頼性工学のはなし
*大村(1994),  ビジネス数学のはなし―必勝虎の巻 危険性と不確実性の克服(上・下)
*豊田・前田・柳井(1992),  原因を探る統計学 共分散構造分析入門
* 三中(2018), 統計思考の世界ー曼荼羅で読み解くデータ解析の基礎, 技術評論社
* 岩沢(2016), 分布からはじめる確率・統計入門
* 照井(2018), ビッグデータ統計解析入門 経済学部/経営学部で学ばない統計学
* 福井(1998), 知の統計学3
!ベイズ統計

* 小島(2015),	完全独習ベイズ統計学入門
* 小島(), 確率的発想法
* 豊田(2015),	基礎からのベイズ統計学
* 豊田(2016),	はじめての統計データ分析
* 涌井(2009),	道具としてのベイズ統計
* 朝野編(2017),   [ビジネスマンが初めて学ぶベイズ統計学|http://amzn.asia/c6o5t8K ]
* 杉山(2017), [ベイズ推論による機械学習入門|http://amzn.asia/citUqHX ]
* 奥村(2018), [Rで楽しむベイズ統計入門|http://amzn.asia/2JneO5a] 
* 松原(2018), ベイズの誓い
* 朝野編(2018), ビジネスマンが一歩先を目指すベイズ統計学
* 涌井・涌井(2016), 身につくベイズ統計学
* 藤田(2015), [見えないものをさぐる―それがベイズ: ツールによる実践ベイズ統計|https://amzn.to/2UGugQW]
* 木村・岩崎(2006), [ベイジアンネットワーク技術 ユーザ・顧客のモデル化と不確実性推論|https://amzn.to/2GL45F7]
* 馬場(2019), [RとStanではじめるベイズ統計モデリングによるデータ分析入門|]
* 松浦(2016), StanとRでベイズ統計モデリング, 共立出版
* McElreath(2020), Statistical Rethinking, 2ed., CRC
* 浜田/石田・清水(2019)、社会科学のためのベイズ統計モデリング、朝倉書店
!専門統計分野
*久保(2012),	データ解析のための統計モデリング入門※通称「みどり本」
*森田(2014),	実証分析入門 ―データからの「因果関係」を読み解く作法

*Schutt&O'Neil(2014),  データサイエンス講義
*Provost&Fawcett(竹田監訳2013), 戦略的データサイエンス入門
* 石村石村(2017), 入門はじめての時系列分析
* 尾崎・川端・山田(2018), Rで学ぶマルチレベルモデル入門編
* 岩沢・平松(2019), 入門Rによる予測モデリング
* Pearl, et.al(2016)落海訳(2019), 入門統計的因果推論
* エリオット・ソーバー(2012)松王訳、科学と証拠―統計の哲学 入門、名古屋大学出版会
* 大塚(2020)、統計学を哲学する、名古屋大学出版会
!機械学習
* 本橋(2018), 前処理大全,技術評論社
*荒木(2014),	フリーソフトではじめる機械学習入門
* データサイエンティスト養成読本 機械学習入門編(2015) 技術評論社
* 速水(2016), 事例+演習で学ぶ機械学習 ビジネスを支えるデータ活用のしくみ
*中井(2015),  ITエンジニアのための機械学習理論入門
*杉山(2013), イラストで学ぶ機械学習
*斎藤(2016),   ゼロから作るDeep Learning
*小野田(2017), 人工知能はいかにして強くなるのか?対戦型AIで学ぶ基本のしくみ
*横内・青木(2017), イメージでつかむ機械学習入門
* 平井(2012), [はじめてのパターン認識|http://amzn.asia/d/124BALC] ※通称「はじパタ」
* 金丸(2018), Raspberry Piではじめる機械学習(ブルーバックス)
* [持橋・大羽(2019)|https://amzn.to/2GI9ug1], ガウス過程と機械学習
* 中谷(2019),[わけがわかる機械学習|https://www.amazon.co.jp/dp/4297107406/ref=cm_sw_em_r_mt_dp_U_GWXEDb2EGHYCY]

!異常検知

*井出(2015),	入門機械学習による異常検知―Rによる実践ガイド
*井手・杉山(2015),     異常検知と変化検知
*山西(2009),	データマイニングによる異常検知
* Aggarwal(2017), Outlier Analysis (2nd ed.)

!!R関連

!Rの応用
*真鍋(2015),	「R」で楽しく学ぶ会計学・経営分析
*山田・杉澤・村井(2008),	Rによるやさしい統計学
*末吉(2014),	Rではじめるビジネス統計分析
*田中(2008) 	Rによる時系列分析入門
*横内・青木(2014)  現場ですぐ使える時系列データ分析
*山本・藤野・久保田(2015) Rによるデータマイニング入門
*里(2014), 戦略的データマイニング
*福島(2015), データ分析プロセス (シリーズ Useful R 2)
*金(2016), 定性的データ分析 (シリーズ Useful R 5)
*ランツ(2017), Rによる機械学習(Programmers' SELECTION)
*豊澤(2017),  Rビジネス統計分析(ビジテク)
*長橋(2017), Rではじめる機械学習(インプレス)
*Wickham&Grolemund(2017), [Rではじめるデータサイエンス(オライリー)|http://amzn.asia/hE0MjYm]
*逸見(2018), [統計ソフト「R」超入門 実例で学ぶ初めてのデータ解析 (ブルーバックス)|http://amzn.asia/hlopDl6 ]
*Healey(2019)瓜生・江口・三村(2021), データ分析のためのデータ可視化入門, 講談社
!Rの機能
*石田(2012),	Rで学ぶデータ・プログラミング入門−RStudioを活用する
*船尾(2009),	The R Tips
*石田(2014),	R言語逆引きハンドブック改訂2版
*Spector(石田訳2012),	Rデータ自由自在
*藤井・金(2010),	カテゴリカルデータ解析(シリーズUseful R)
*高柳(2014),	金融データ解析の基礎(シリーズUseful R )
*Grolemund(大橋監訳2015), RStudioではじめるRプログラミング
*高橋(2014), ドキュメント・プレゼンテーション生成(シリーズUseful R 9)
*Chang(2013)石井他訳, Rグラフィックスクックブック
* 松村他(2018), RユーザのためのRStudio実践入門, 技術評論社
* Lander(2018), みんなのR第二版
!!リスクマネジメント

* 酒井(2010), リスクの経済思想
* 中谷訳(2015), リスク 不確実性の中での意思決定、サイエンス・パレット
* デヴィッドボース, 入門リスク分析
* ベッドフォード・クック, 確率論的リスク解析


!!因果推論

* Pearl, et.al(2016)落海訳(2019),入門統計的因果推論, 朝倉書店
* 岩波データサイエンス・特集因果推論、岩波書店
!!意思決定理論

* 本村(2020), 不確定性下の意思決定

* ギルボア, 意思決定理論入門
* ギルボア, 不確実性下の意思決定理論入門
!!情報理論

* 青木, 情報の経済分析
* 石田・玉田(2020), 情報とインセンティブの経済学
* 高岡(2012), シャノンの情報理論入門, 講談社ブルーバックス
* 中嶋訳(2010), エントロピーがわかる, 講談社ブルーバックス
* 平田(2020), 情報理論のエッセンス改訂2版,オーム社
!!Python関連(Rじゃないけど)

* 柴田(2012), みんなのPython 第3版

* McKinney(小林他訳2013), Pythonによるデータ分析入門 ―NumPy、pandasを使ったデータ処理

* Raschka(福島監訳2016),  Python機械学習プログラミング
!!通信講座mooc

!放送大学(印刷教材)

*秋光(2012),データからの知識発見('12)
*熊原・渡辺(2013), 身近な統計('12)
*藤井(2013),統計学('13)

!edX Data Analysis & Statistics Courses:

* MITx 15.071 [The Analytics Edge|https://www.edx.org/course/analytics-edge-mitx-15-071x-2#!] (英語)

* Microsoft: DAT204x [Introduction to R for Data Science|https://prod-edx-mktg-edit.edx.org/course/introduction-r-data-science-microsoft-dat204x] 

* Microsoft: DAT209x [Programming with R for Data Science|https://www.edx.org/course/programming-r-data-science-microsoft-dat209x]

* Microsoft: DAT208x [Introduction to Python for Data Science|https://prod-edx-mktg-edit.edx.org/course/introduction-python-data-science-microsoft-dat208x-0]

* Microsoft: DAT210x [Programming with Python for Data Science|https://www.edx.org/course/programming-python-data-science-microsoft-dat210x]

* Microsoft - DAT276x[Principles of Machine Learning: R Edition|https://courses.edx.org/courses/course-v1:Microsoft+DAT276x+2T2018/course/]

* HarvardX - PH125.5x, [Data Science: Productivity Tools|https://www.edx.org/course/data-science-productivity-tools-harvardx-ph125-5x]

:Data Science and Analytics in Context Series:

* ColumbiaX DS103X [Enabling Technologies for Data Science and Analytics: The Internet of Things|https://www.edx.org/course/enabling-technologies-data-science-columbiax-ds103x-0]

* ColumbiaX DS102X [Machine Learning for Data Science and Analytics|https://www.edx.org/course/machine-learning-data-science-analytics-columbiax-ds102x-0]

* ColumbiaX DS101X [Statistical Thinking for Data Science and Analytics|https://www.edx.org/course/statistical-thinking-data-science-columbiax-ds101x-0]
!gacco
* 総務省統計局, ga031 [社会人のためのデータサイエンス入門|https://lms.gacco.org/courses/course-v1:gacco+ga031+2016_03/about]
* 総務省統計局, ga063 [社会人のためのデータサイエンス演習|https://lms.gacco.org/courses/course-v1:gacco+ga063+2016_04/about]

* 総務省統計局, ga014 [統計学I:データ分析の基礎|https://lms.gacco.org/courses/course-v1:gacco+ga014+2017_04/about]

* gacco: ga047 [統計学II:推測統計の方法|https://lms.gacco.org/courses/course-v1:gacco+ga047+2017_10/about]
* gacco: ga082 [統計学III:多変量データ解析法|https://lms.gacco.org/courses/course-v1:gacco+ga082+2017_06/about]

* gacco: ga084 [誰でも使える統計オープンデータ2017|https://lms.gacco.org/courses/course-v1:gacco+ga084+2017_06/about]
* gacco: ga084 [誰でも使える統計オープンデータ2018|https://lms.gacco.org/courses/course-v1:gacco+ga084+2018_12/about]

* gacco: ga098 [総務省 ICTスキル総合習得プログラム(eラーニング編)|https://lms.gacco.org/courses/course-v1:gacco+ga098+2018_01/info]
* gacco: ga109 [ 大学生のためのデータサイエンス(I)|https://lms.gacco.org/courses/course-v1:gacco+ga109+2018_06/info]
* gacco:ga110 [パズルで情報活用|https://lms.gacco.org/courses/course-v1:gacco+ga110+2018_11/about]
* gacco:ga119 [ビッグデータマネジメント・アナリティクス|https://lms.gacco.org/courses/course-v1:gacco+ga119+2018_11/info]
* gacco:ga120 [機械学習・深層学習|https://lms.gacco.org/courses/course-v1:gacco+ga120+2018_11/info]
* gacco - pt025 [大学生のためのデータサイエンス(II)|https://lms.gacco.org/courses/course-v1:gacco+pt025+2019_06/info]
* gacco: ga136 [推論・知識処理・自然言語処理|https://lms.gacco.org/courses/course-v1:gacco+ga136+2019_09/info]
* gacco: ga137 [機械学習|https://lms.gacco.org/courses/course-v1:gacco+ga137+2019_10/info]
* gacco: ga138 [深層学習|https://lms.gacco.org/courses/course-v1:gacco+ga138+2019_11/info]
!coursera
*Stanford Univ., [Machine Learning with Andrew Ng|https://www.coursera.org/learn/machine-learning]
*deepleraning.ai, [Neural Networks and Deep Learning|https://www.coursera.org/learn/neural-networks-deep-learning/home/welcome]
*deepleraning.ai, [Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization|https://www.coursera.org/learn/deep-neural-network/home/welcome]
*Whorton Online, [Accounting Analytics|https://www.coursera.org/learn/accounting-analytics/home/welcome]
!DataCamp
*[Learn Data Science Onlie|https://www.datacamp.com/]

!Udemy
*[社会人のためのPython活用術|https://www.udemy.com/python-wc/learn/v4/overview]
!!監査関連

!財務・会計

* 白井(2018),  AI技術による倒産予知モデルx企業格付  

* Rambaud, et. al(2010), Algebraic Models for Accounting Systems
* アンソニー・スティール(1992)吉田・矢部訳(1997)ベイズ監査入門ー監査リスクと監査証拠、ナカニシヤ出版
* 高田敏文 (2007)、 監査リスクの基礎、同文舘出版

!不正など
*Nigrini(2012), Benford's Law: Applications for Forensic Accounting, Auditing, and Fraud Detection
*Dutta(2013),   Statistical Techniques for Forensic Accounting: Understanding the Theory and Application of Data Analysis
*Cascarino(2017), Data Analytics for Internal Auditors
!CAAT全般
*あずさ監査法人(2015),	図解CAAT実践入門
*村井(2015),	CAATで粉飾・横領はこう見抜く

!監査の未来像
*AICPA(2015), Audit Analytics and Continuous Audit
*JICPA(2015), [ITを利用した監査の展望〜未来の監査へのアプローチ〜(IT委員会研究報告第48号)|http://www.hp.jicpa.or.jp/specialized_field/20160328vav.html]
*CPA(June2016), [Audit data analytics alert: Keeping up with the pace of change|https://www.cpacanada.ca/en/business-and-accounting-resources/audit-and-assurance/canadian-auditing-standards-cas/publications/audit-data-analytics-alert-pace-of-change]
*ICAS&FRC(2016), [Auditor skills in a changing business world|https://www.icas.com/technical-resources/auditor-skills-in-a-changing-business-world-icas-frc-report]
*ICAEW(2016), [Data analytics for external auditors|http://www.icaew.com/en/international-accounting-and-auditing/international-auditing-perspectives/data-analytics-for-external-auditors]
*サスカインド(小林訳2017),   [プロフェッショナルの未来 AI、IoT時代に専門家が生き残る方法|http://amzn.asia/46zW0QD]
*AICPA(2017), [Guide to Audit Data Analytics|https://www.aicpastore.com/AuditAttest/Standards/guide-to-audit-data-analytics/PRDOVR~PC-ADATA/PC-ADATA.jsp]
*ICAEW(2017), [Blockchain and the future of accountancy|https://www.icaew.com/en/technical/information-technology/technology/blockchain/blockchain-and-the-accounting-perspective]
*JICPA(2019), [IT委員会研究報告第52号「次世代の監査への展望と課題」|https://jicpa.or.jp/specialized_field/20190131ejg.html]
*瀧編著(2020), テクノロジーの進化と監査(日本監査研究学会リサーチシリーズ XVIII)