# 過去B3ゼミで読んだ本
||2021|2020|2019|2018|2017|
|-:|:-:|:-:|:-:|:-:|:-:|
|Biological Sequence Analysis|✔︎|✔︎|✔︎|✔︎|✔︎|
|ノンコーディングRNA|✔︎|✔︎|✔︎|✔︎|✔︎|
|バイオインフォマティクス<br>配列データ解析と構造予測|✔︎||||✔︎|
|統計的因果探索|||||✔︎|
|遺伝統計学疾患ゲノムデータ解析||||✔︎||
|遺伝子発現制御機構||✔︎||✔︎||
|ベイズ推論による機械学習入門||✔︎|✔︎|✔︎||
|情報量規準|||✔︎|||
|パターン認識と機械学習|✔︎|||||

→ここに記載されている本でなくても問題ないです

# 各本について先輩からの印象
## Biological Sequence Analysis
## ノンコーディングRNA
### **高山(M1)**
- **本について**
→ノンコーディングRNAについて基礎的な話から、疾患との関連、最新の研究など広く記載されている
→全部で30章、400ページくらいある
- **印象**
→かなり量は多く、2人で担当したが読みきれなかった
→ncRNAについて基礎的な理解ができるので、解析系として読んでよかった

## バイオインフォマティクス配列データ解析と構造予測
### 武田さん(M2)
- **本について**
量は14回でちょうど終わる程度. 内容はRNAとかタンパク質等で使われているアルゴリズムについて. ただし15年くらい前の話です.
広くカバーされていてよく纏まっていますが, 丁寧に追えば追おうとするほど難しいです.
- **印象**
最初に読むバイオインフォマティクスの本としては不適切な気がします. 数式を追うことが苦ではなければ, バイオインフォマティクスで用いられるアルゴリズム・最適化についてよく学べると思います.

## 統計的因果探索
## 遺伝統計学疾患ゲノムデータ解析
## 遺伝子発現制御機構
### 柳本さん(M1)
- **本について**
量は多くないけど内容が細かくて理解してスライドにまとめるのに時間がかかる。専門用語も多いから難しいけどB3ゼミを通して知識はつく。
- **印象**
遺伝子発現についての知識は深まったし面白かった。しかしその後違う分野の研究を始めたので、直接研究に役立った感じはしないかもしれない。個人的にはもっと網羅的にバイオインフォマティクスを学べる本を読みたかったかも。
## ベイズ推論による機械学習入門
### 中野さん(M1)
- **本について**
分量については丁度良いです。二週間に 2, 3 日分しっかりと読めば 2 人で最後まで到達できます。内容は数式が多いですが、確率論の基本的な内容を理解していれば進めていくことが可能です。
- **印象**
ベイズ理論を実践で利用する機会は残念ながらあまり見かけません。しかし、本書内に示されていた確率的アプローチは知識として持っておくと良いと思います。様々な確率分布に関する知識もつきますし、数理モデルとして解釈可能性があるため応用できれば深層学習モデルよりもかなり深くデータの解析が出来ると思います。また、パターン認識の授業と一部重なるところもあり、この授業を取っている方に関しては読んでおくと得です。

## 情報量規準
### 横山さん(M2)
- **本について**
がっつり統計の本です、もちろんバイオ要素は無いです。式を導出しながら読んでいくことに意味があるタイプの本です。AICがどのように誕生したかが学べます。量は少なめなので我々はかなり早く終わりました。その分、各自で好きな本を取り上げて延長戦をやることが出来ました。
- **印象**
私の研究が統計寄りになるきっかけの本です。情報量規準に興味がある人(いるのか？)であれば面白い本だと思います。あんまり難解な本ではないと思います…きっと…
## パターン認識と機械学習
### 鏑木さん(B4)
- **本について**
→内容は古典的な機械学習の手法をメインに数式ゴリゴリで詳説している. （ディープについても一部触れてはいるが、内容はいまひとつ掴みづらいのでディープなら別の書籍の方が良いかも ）
→量も当然多い. 読み切るのは大変、昨年は僕と外尾で読み進めて、上巻全部と下巻の1/3くらいまで読んだが、かなり大変だった.
- **印象**
→難易度は正直B3が読むには難しいかもしれない. 昨年読んだ僕と外尾は元々機械学習に興味があり勉強していたため、ある程度は抵抗なく進められたが、機械学習の前提知識0の人が読むものではないと思う.
→ただし、PRMLはあまりに有名すぎるためネット上に解説記事がごろごろあるので、調べやすいという利点はある.
→ベイズやEMあたりの説明は詳細でわかりやすかったので、「理論からしっかり理解したい + 古典的な機械学習を抑えたい人」向け（少し噛み砕いて書いてある緑本のベイズもあるので、そっちの方が読みやすいかも）
→あと、聞いていた他のB3は多分置き去りにしていたので、ゼミで読むには読み手の理解度と説明のうまさが求められる