これから機械学習を学びたい、でも学び方がわからない。という人に向けた記事です。
勉強法はいろいろとありますが本で学ぶというのは多くの人が経験しており、慣れている方法なのではないでしょうか。人によっては、授業の動画を見たり、先生の話を聞いたりするよりも、本の方が体系的に学べる上にインプットできるスピードが早いため、勉強の効率がいいという人もいます。
最近は他にもたくさん教材が出てきており、オンライン動画で講義を聞くことができるサービスやプログラミングスクールも充実しています。
機械学習を基礎的なところから応用できるようになるまで体系的に学べる参考書が少ないと思っています。
今回は実際に私が勉強してきた方法をまとめて見ました。初心者〜順番に購入していくことをおすすめします。
Contents
初心者編
やさしく学ぶ 機械学習を理解するための数学のきほん ~アヤノ&ミオと一緒に学ぶ 機械学習の理論と数学、実装まで~
マイナビがだしている機械学習の超基礎講座。数学を学ばなくてもこれ１冊で数学的な側面まで学ぶことができます。絵がたくさん付いていて他のかたっ苦しい技術書よりもわかりやすく書いてあります。
初級編
ITエンジニアのための機械学習理論入門
初心者を卒業したら実際に コーディングです。Pythonのサンプルコードも用意されているため、かなり楽に勉強することができます。
Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
オライリーが出している一冊です。オライリーは海外の著書を翻訳して書かれているためもしかすると最初読むのに苦労する人がいるかもしれません。
実際読んでみるとともてわかりやすく、機械学習では欠かせないscikit-learnはここでマスターできました。
中級編
Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)
基礎から応用まで幅広く取り扱っています。もしかすると広く浅くすぎてついて行けないかも。基礎を固めた状態でこの本に取り組むのはありなのではないでしょうか。
はじめてのパターン認識
個人的に一番おすすめしています。統計や線形代数のような数学をかなり使った内容から実際にPythonにコードを起こすところまでを解説してくれます。
各モデルについて数学的に解説してくれるので理解がより深まります。
上級編
パターン認識と機械学習 上
これまでの本が完璧になったら上級編に取り組んでもよいでしょう。これらをマスターすれば一人前の機械学習エンジニアになったと言えると思います。
パターン認識と機械学習 下 (ベイズ理論による統計的予測)
「パターン認識と機械学習 上」の続きです。同じくかなりレベルが高いと言えます。
