データ分析／AI／機械学習の領域に入っていきたい社会人や学生が増えていますが、どうやって取り組んだらいいか、迷っている人が少なくありません。そこで、データ分析の実務経験に加え、様々な分析コンペティションに参加してきた著者の経験を活かし、業務に活かせる機械学習の技術や考え方をまとめました。

●本書が目指すこと
・分析コンペのプラットフォームで「Kaggle」を活用し、手を動かしながら、機械学習を用いたデータ分析の基本的な進め方を修得する
・分析設計を行ない、Pythonを使って「自身の力で」分析スクリプトを作成する
・実際に手を動かして、分析の楽しさを感じてもらう

●対象読者
スキルレベルとしては「データ分析の初級者」を対象とし、実務で役立つ基本スキルの獲得を目指します。
・社会人・学生を問わず、データサイエンティストになりたい方
・データサイエンティストのスキルを磨きたい方（脱初級者を目指す方）
・Kaggleに興味のある人、趣味で分析をしている方

●前提知識
データ分析や機械学習の知識があまりなくても構いません。必要なことは読み進めながら理解していけば大丈夫です。なお、必須ではありませんが、以下のスキルがあることが望ましいです。
・プログラミングの経験（特にpython言語）
・中学レベルの数学の知識

●分析ツール
分析ツールとして、Kaggleが提供している分析環境を利用します。プログラミング言語には、現在の機械学習の主流言語である「Python」を使用します。

●本書の構成
本書は3部構成になっています。体系的にスキルを理解するために、1章から順番に読み進めてください。飛ばして読んでも構いませんが、順番に読むことで理解度が高まる構成となっています。

○第I部 分析実務とKaggle
データサイエンティストに必要なスキルや、学習ツールとしてのKaggleの活用方法を説明します。Kaggleのアカウントの作成方法（2章に記載）や、分析環境（3章に記載）なども紹介します。

○第II部 機械学習の進め方
機械学習の全体の進め方や、各ステップにおけるやり方をサンプルデータとスクリプトを使って説明します。説明にはKaggleの練習問題である「Titanic」を使用します。

○第III部 実践例
Kaggleで実際に行なわれた2つのコンペを例にして、第II部で説明した手順を使った解き方の例を説明します。
・Home Credit Default Risk
・MLB Player Digital Engagement Forecasting

【以上、本書「まえがき」より】

■著者プロフィール
東北大学大学院卒（理学研究科 物理学専攻）。1999年に日立製作所へ入社。2012年にデータ分析部署（その年度に新設）に異動し、データ分析を使って顧客課題を解決する業務に従事。分析経験ゼロからスタートし、約10年間の実務経験を経て今に至る。
分析コンペ歴は約6年。Kaggle称号はMaster（2022年1月現在のメダル獲得数は金1個、銀6個、銅3個）。またSIGNATEの創薬コンペで優勝、Nishikaのレコメンドコンペで2位入賞。趣味は「卓球」と「ゲーム（主に対戦格闘）」、そして「分析」。

第I部　分析実務とKaggle

第1章　実務に必要なスキルとは
第2章　Kaggleの概要
第3章　Kaggleを学習ツールに

第II部　機械学習の進め方

第4章　ベースライン作成
第5章　特徴量エンジニアリング
第6章　モデルチューニング

第III部　実践例

第7章　2値分類のコンペ
第8章　回帰問題のコンペ
第9章　データサイエンティストの未来