データサイエンス分野の出版物一覧

これはデータサイエンス分野の出版物 のリストで、一般的にはデータ分析ワークフローにおける使用順に整理されています。

統計学の出版物一覧には、より研究に基づいた基礎的な出版物が掲載されていますが、こちらの一覧は、より応用的な、ビジネス志向の、学際的な出版物を掲載しています。

一般的な論文掲載基準は以下のとおりです。

• 著名な実務家または著名な教授による論文（Wikipediaページがあるか、その著名性に関する言及があるもの）
• データ専門家なら誰もが知っておくべき常識であり、その主張を裏付ける参考文献も提示する。
• 引用数の多い応用統計学および機械学習に関する論文
• データサイエンスの分野全体に関する議論を促進する論文（例えば、「Attention Is All You Need」論文^{[ 1 ]}は、ここに加えることができる画期的な論文と言えるが、これは生成型人工知能に特化したものであり、すべてのデータ実践者向けではない）

ある特定の出版物が重要視される理由としては、以下のようなものが考えられます。

• トピック作成者– 新しいトピックを作成した出版物
• 画期的な出版物― 科学的知識を大きく変えた出版物
• 影響力– 世界に大きな影響を与えた、あるいはデータサイエンスの教育に多大な影響を与えた出版物。

可能な限り、参考文献を用いて、当該出版物がこのリストに掲載されていることを検証しています。

統計モデリング：二つの文化（著者によるコメントと反論付き）

著者：レオ・ブライマン

出版データ: ^{[ 2 ]}

オンライン版：https://projecteuclid.org/journals/statistical-science/volume-16/issue-3/Statistical-Modeling--The-Two-Cultures-with-comments-and-a/10.1214/ss/1009213726.pdf

概要：本書は、統計学における2つの文化、すなわち、簡潔かつ生成的な確率モデルを用いる文化と、データ生成のメカニズムが不明なアルゴリズムモデルを用いる文化について論じている。ブレイマンは、統計学は伝統的に確率モデルの使用を好んできたが、統計学者が現象を研究するために使用できる手法を拡張することには価値があると主張する。

重要性:機械学習や深層学習の手法が普及する直前の統計学者の哲学に影響を与えた。この論文を20年振り返ってみると、「Breimanの言葉はこれまで以上に重要になっているかもしれない」^{[ 3 ]} 。当時著名な統計学者たちはこの論文について意見記事を書いた。David Coxは、全体的には批判的だが、この論文は「十分な真実を含み、十分な弱点を明らかにしているため、考えさせられる」と書いている^{[ 2 ]} 。Bradley Efronはこの論文を「刺激的な論文」と評した^{[ 2 ]} 。Emanuel Parzenもこの論文について、「Breimanは、現在の統計的手法によるデータモデリングを適用する際に犯された体系的な誤り（誤った結論につながる）について警告している」と評している^{[ 2 ]}。

データサイエンティスト：21世紀で最も魅力的な職業

著者：トーマス・H・ダベンポート、DJ・パティル

出版データ: ^{[ 4 ]}

オンライン版：hbr.org/2022/07/is-data-scientist-still-the-sexiest-job-of-the-21st-century​​

概要：企業における「データサイエンティスト」と呼ばれる新しい役割、その業務内容、組織がデータサイエンティストを採用する方法、そしてデータサイエンティストと効果的に協働する方法について説明します。

重要性:この出版物は、2012 年に発行された当時、IEEE Spectrum などの機関によって言及されたように、データ コミュニティに影響を与えてきました。[ ^{5 ]また}、約 10 年後にも、タイトルと同じ質問を提起して言及されています。^{[ 6 ] [ 7 ]} 10 年前に自分たちの出版物を振り返って、著者である Davenport と Patil は、データ サイエンティストの役割が「より制度化され、仕事の範囲が再定義され、依存するテクノロジーが大きな進歩を遂げ、倫理や変更管理などの非技術的な専門知識の重要性が高まった」と述べています。^{[ 8 ]}

データサイエンス50年の歴史

著者：デビッド・ドノホ

出版データ: ^{[ 9 ]}

オンライン版：https://www.tandfonline.com/doi/full/10.1080/10618600.2017.1384734

概要：データサイエンスの歴史と起源に関する回顧的な考察論文であり、著名な統計学者による多数の解説を収録している。

重要性:これは「この分野で初めて包括的かつ詳細な調査と概要を提示したもの」^{[ 10 ]}と評されており、多くの定義が存在するこの分野を定義するのに役立ちます。

構成可能なデータ管理システムマニフェスト

著者:ペドロ・ペドレイラ、オリ・アーリング、コンスタンティノス・カラナソス、スコット・シュナイダー、ウェス・マッキニー、サティア・R・ヴァルリ、モハメド・ザイト、ジャック・ナドー

出版データ: ^{[ 11 ]}

オンライン版：https://www.vldb.org/pvldb/vol16/p2679-pedreira.pdf

概要：このビジョンペーパーは、データ管理システムの設計方法において、孤立したソフトウェアツールではなく、標準的で構成可能かつ相互運用可能なツールを使用することで、パラダイムシフトを起こすことを提唱しています。

重要性:将来のデータサイエンスソフトウェアツールをより効率的なワークフローのためにどのように設計すべきかというパラダイムシフト的な見解であり、その原則は「データエコシステムがますます複雑化するにつれて、断片化に対処し、相互運用性を向上させ、ユーザー中心性を促進するために特に重要になる」。^{[ 12 ]}

整然としたデータ

著者：ハドリー・ウィッカム

出版データ: ^{[ 13 ]}

オンライン版：https://www.jstatsoft.org/article/view/v059i10/ https://vita.had.co.nz/papers/tidy-data.pdf

説明:「各変数は列、各観測値は行、各タイプの観測単位はテーブルである」という引用に要約されるデータクリーニングのフレームワークについて説明します。 ^{[ 13 ]}これにより、データ分析ツールを一貫して構築できる標準的なデータ構造が可能になります。

重要性：1,500回以上引用されているこの整然としたデータへの取り組みは、David Donohoによって「今日のデータ分析の実践に、高く評価されている多くの理論統計学の記事よりも大きな影響を与えている」と評されている。^{[ 9 ]}データ視覚化の文脈では、この出版物は「元のデータセットについて何も変更することなく、プロット内で変数に異なる役割を割り当てることができるため、効率的な探索とプロトタイピングをサポートする」と言われている。^{[ 14 ]}

スプレッドシートにおけるデータ整理

著者：カール・W・ブロマン、カラ・H・ウー

出版データ: ^{[ 15 ]}

オンライン版：https://www.tandfonline.com/doi/full/10.1080/00031305.2017.1375989

説明:この記事では、Microsoft ExcelやGoogle Sheetsなどのスプレッドシートでデータを整理するための実践的な推奨事項を紹介します。これにより、スプレッドシートの制限やソフトウェアの癖によるエラーを減らし、後々の分析の障壁を低くすることができます。

重要性:データ担当者と非データ担当者の両方に、より分析に適したスプレッドシートを作成するよう指導することに影響を与え、「スプレッドシートのベストプラクティス」の概要を示すものとして説明されている。^{[ 16 ]}

統計学における定量的グラフィックス：簡単な歴史

著者：ジェームズ・R・ベニガー、ドロシー・L・ロビン

出版データ: ^{[ 17 ]}

オンライン版：https://www.jstor.org/stable/2683467

概要：統計学における定量的グラフの歴史と進化について概説し、空間的構成（17世紀および18世紀）、離散的比較（18世紀および19世紀）、連続分布（19世紀）、多変量分布および相関（19世紀後半および20世紀）について解説する。

重要性:学習データ実務者にとって、使用されている図表の最近の動向を理解するのに役立ちます。1979年にスティーブン・フィーンバーグが出版した「統計における図表的方法」では、彼の出版物は「ベニガーとロビンの研究に大きく負っている」と書かれています。^{[ 18 ]}

ビジネスのためのデータサイエンス

著者：フォスター・プロヴォスト、トム・フォーセット

出版データ: ^{[ 19 ]}

オンライン版：なし

概要：企業におけるデータサイエンスとデータ分析的思考の原則を概説する。

重要性: 3,000 回以上引用されており^{[ 20 ]}、「学生に強く推奨」されています^{[ 21 ]。}また、「データサイエンティストのチームを構築して率い、複雑なビジネス上の問題を解決するためにデータサイエンスを実装したい上級管理職にも関連性があるため推奨されています」^{[ 22 ] 。}

機械学習システムにおける隠れた技術的負債

著者: D. Sculley、Gary Holy、Daniel Golovin、Eugene Davydov、Todd Phillips、Dietmar Ebner、Vinay Chaudhary、Michael Young、Jean-François Crespo、Dan Dennison

出版データ: ^{[ 23 ]}

オンライン版：https://proceedings.neurips.cc/paper_files/paper/2015/file/86df7dcfd896fcaf2674f757a2463eba-Paper.pdf

概要：本稿では、「（複雑な機械学習の）短期的な成果を無料で得られると考えるのは危険である」と主張し、機械学習システムを実装する際に考慮すべきリスク要因の概要を説明する。

重要性:すべての著者はGoogleに勤務しており、記事は 2,000 回以上引用されており、^{[ 24 ]}ツールの長期的なメンテナンスを理解せずに機械学習ツールを迅速に実装することを考えている実務者に役立っています。

機械学習について知っておくと便利なこと

著者：ペドロ・ドミンゴス

出版データ: ^{[ 25 ]}

オンライン版：https://dl.acm.org/doi/10.1145/2347736.2347755 https://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf

説明:この論文の目的は、機械学習プロジェクトは必要以上に時間がかかったり、理想的とは言えない結果になったりするため、機械学習プロジェクトを効果的に実装するために、入手困難な「民間知識」を抽出することです。^{[ 25 ]}

重要性:機械学習を使用するデータ実務者の共通知識セットに影響を与えるため、4,000 回以上引用されている^{[ 26 ] 。 [ 27 ]}

入門統計学コース：プトレマイオス式カリキュラム

著者：ジョージ・W・コブ^{[ 28 ]}

出版データ: ^{[ 29 ]}

オンライン版：https://escholarship.org/uc/item/6hb3k0nz

概要：本稿では、統計学の教師が入門統計学の授業をどのように構成すべきかについて再考し、正規分布に基づく技術的な手法から離れ、コンピュータ上で行われる順列に基づくより単純な代替手法へと移行すべきだと主張する。

重要性: 300 回以上引用されているこの論文^{[ 30 ]}は、 21 世紀の統計学の教師に、統計学の単なる仕組みを教えることを再考させ、コンピュータの使用はより少ないリソースでより多くのことを行うために活用できるという考えに影響を与えました。

• 統計学分野の出版物一覧
• 科学分野の出版物リスト

• 企業がデータサイエンスと機械学習を実運用環境で活用する取り組みについて共有する論文や技術ブログ。