機械学習の参考書
機械学習の参考書
機械学習をはじめるにあたって、まずは基礎知識を得なければいけません。最近はあちこちのブログ等で紹介されていますが、じっくり勉強するために本を何冊も買い込みました。
まず最初に”とりあえず体験してみる”のが目的で飛びついたのが、機械学習用のフレームワーク(TensorFlowやKeras)を用いた本です。プログラミング言語はPython。これまでpythonを使ったことがなかったのですが、サンプルコードをそのまま動かしたり、手探りでちょこっとパラメタを変えてみたりしました。しかし、これでは機械学習の中身がさっぱりわからず、結果を改善するために何をしたらいいのかさっぱりわかりませんでした。
次に、ニューラルネットワークと言えば、実際の処理で微分・偏微分や行列演算が出てくるので、これらを復習するのに数学の本を買いました。もともと数式は苦手なんですが、特に、誤差逆伝搬法(Back Propagation)は高速な計算のために必要なので理解したかったのですが、数学の本を２冊ほど何度も繰り返して読むうちにわかってきました。
次に、実際にニューラルネットワークを構築して学習・推論させるために、どういうPythonコードを書けばよいのか知るための本を買いました。最近は本に書かれているプログラムがインターネットからダウンロードできるので、ゼロから（スクラッチから）プログラムを書くことはほとんどありませんが、変数の値を確認したり、自分でプログラムを一部変更して動かしてみたりと、ずいぶん理解が深まりました。
これまでに読んだ本、読書中の本
以下、これまでに買った本の紹介と感想を書いきます。下のタイトルをクリックしてください。詳細な目次等はAmazonや楽天ブックス、書店で見てくださいね。
| 書名 | おすすめ度 |
| ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 | ◎ |
| ゼロから作るDeep Learning2 ―自然言語処理編 | ◎ |
| Python機械学習プログラミング第2版 | 読書中 |
| Pythonによるデータ解析入門 | 読書中 |
| Pythonクローリング&スクレイピング | 読書中 |
| やさしく学ぶ 機械学習を理解するための数学のきほん | ○ |
| 現場で使える！ TensorFlow開発入門～Kerasによる深層学習モデル構築手法 | ○ |
| ディープラーニングがわかる数学入門 | ○ |
おすすめ度は、以下の通りです(私の個人的な評価ですので、ご購入前によく内容を確認してくださいませ)。
| ◎ | 是非とも読んでほしい・手元においてほしい |
| ○ | 読んでよかった、手元にあれば便利 |
| △ | そこそこよかった |
| × | あまりおすすめしません |
ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装
