ソフトウェアエンジニアとして、統計アルゴリズム、データマイニング、機械学習、ベイジアンネットワーク、分類アルゴリズム、ニューラルネットワーク、マルコフ連鎖、モンテカルロ法、乱数生成などのトピックに興味があります。
私は個人的にこれらのテクニックのいずれかを実際に操作する喜びを持っていませんでしたが、私は内部でそれらを使用し、それらについてより高いレベルで知りたいソフトウェアで作業しなければなりませんでした。私は広い範囲をカバーする本を探しています-この時点で大きな深さは必要ありません。採用されているアルゴリズムと技術の背後にある数学的基礎を理解できれば、ソフトウェア開発について多くを学ぶことができると思います。
統計分析コミュニティは、ソフトウェアにさまざまな統計要素を実装する方法の詳細を学ぶために使用できる書籍を推奨できますか？
回答:
クリストファー・ビショップの「パターン認識と機械学習」をお勧めします。サンプルの章など、その一部はhttps://www.microsoft.com/en-us/research/people/cmbishop/#!prml-bookで見ることができます。
プログラマーやコンピューター科学者が知っておくべき統計に関するスタックオーバーフローに関する非常に一般的な質問を読むことをお勧めします 。
James E. Gentle、Computational Statistics（Springer、2009）の非常に素晴らしい本は、データ分析の計算と統計の両方の側面をカバーしています。ジェントルは他の素晴らしい本も執筆しています。彼の出版物をチェックしてください。
もう一つの素晴らしい本は、Gentle et al。の計算統計学ハンドブックです。（Springer、2004）; ウェブ上のどこかでPDFとして流通しているので、Googleで見てみてください。
あなたは（残念ながら私のお気に入りは、ポーランドにあるかなりあるため）いくつかのML技術ので、2冊の非常に素敵な本を述べました：
http://www.amazon.com/Machine-Learning-Algorithmic-Perspective-Recognition/dp/1420067184
ます。http：/ /ai.stanford.edu/~nilsson/mlbook.html
乱数生成などの数値の場合：http :
//www.nr.com/
コンピューター科学者のための確率と統計のコピーを取りました-マイケル・バロンは別の統計本と一緒に販売しています（名前のために正直に購入しました-コンピューター科学の観点から統計を見るような本が欲しい完璧ではなかったとしても）。まだ読んだり問題を解決したりする機会はありませんが、しっかりした本のようです。
この本の序文は、それは上位レベルの学部学生と大学院生向けであると言っており、これに同意します。この本の内容を理解するには、確率と統計のある程度の理解が必要です。
トピックには、確率、離散確率変数、連続分布、モンテカルロ法、確率過程、キューイングシステム、統計的推論、および回帰が含まれます。
Rを使用した統計分析のハンドブック-Brian S. EverittとTorsten Hothornは、特に統計の計算ではありませんが、推論、ANOVA、線形回帰、ロジスティック回帰、密度推定、再帰分割、主成分分析、クラスター分析-R言語を使用。これは、プログラミングに興味がある人にとって興味深いかもしれません。
ただし、他の本とは異なり、R言語を使用してこれらの統計機能を実行することに重点が置かれています。私が見た他の本は、代数と微積分の組み合わせを使用して統計を実証しています。この本は、実際にはR言語を使用してデータを分析する方法に焦点を当てています。さらに便利にするために、著者が使用するデータセットはCRAN-Rリポジトリにあります。
Rによる統計的コンピューティング-マリア・L.リッツォは確率のトピックの多くをカバーし、コンピュータ科学者のための統計-基本的な確率と統計、確率変数、ベイズ統計、マルコフ連鎖、多変量データ、モンテカルロ法、順列テストの可視化、確率密度推定、および数値的方法。
使用される方程式と式は、数式とRコードの両方で表示されます。この本を読みたい人には、確率、統計、計算、そしておそらく離散数学の基本的な知識がお勧めだと思います。プログラミングの背景も役立ちますが、R言語、演算子、および構文に関する参照がいくつかあります。
自分でデータ分析を行うコンピューターエンジニアとして、非常に威圧的で読みやすい観点から物事をカバーしている本当に読みやすい本（ここで提案されている他の本のどれよりも多くをカバーしていません）は、Toby Segaranによるプログラミングインテリジェンスです。たとえば、Bishopの本よりもはるかに親しみやすいものであることがわかりました。この本は、非常に参考になりますが、おそらく最初の段階で必要になるほど深く掘り下げています。Amazon：http : //www.amazon.com/Programming-Collective-Intelligence-Building-Applications/dp/0596529325
CRANには、統計プログラミングに関する書籍の良い例がいくつかあります。それらの一部は機械学習とMCMCに関係しませんが、各エントリには注釈が付けられているので、各書籍に含まれる内容を大まかに把握して、さらに詳しく説明する必要があります。 http://www.r-project.org/doc/bib/R-books.html