はじめに
こちらの松尾研究室が公開しているロードマップで学習を進めました．
情報系以外の大学生向け200時間コースを選択しました．
このロードマップに従って，一通り学習した上で個人的に良かった書籍やサイトを厳選してここに記録します．
右側の各セクション結論の部分が厳選したものになります．
注意
この記事は，書籍やサイトを批判する意図はありません．
あくまで，個人的に良かったと思う書籍とサイトを共有したいというモチベーションで書かれています．
対象者
- 松尾研ロードマップを効率的に歩きたい人
- 今後，人工知能関係の研究をする人
- kaggleなどのコンペに出たい人
全体マップ
1. 人工知能の概要についての勉強（学習想定時間：20時間）
結論
「深層学習教科書 ディープラーニング G検定（ジェネラリスト） 公式テキスト」を一通り読めば大丈夫だと思います．
詳細
人工知能は人間を超えるか
全て読みました．
G検定を受ける方にもお勧めできると思います．
人工知能の概要を小説を読む感覚で理解することができます．
数式もほとんどなかったので人工知能の概要や歴史を知りたい方はこちらをおすすめします．
10時間もあれば読み切れると思います．
ポイント
CNNについては書かれていたと思いますが，RNNやLSTMなどの説明はあまりなかったような気がします．
深層学習教科書 ディープラーニング G検定（ジェネラリスト） 公式テキスト
全て読みました．
G検定受験者の教科書のような位置付けになっています．
この本は，人工知能の歴史とディープラーニング手法について説明されています．
そこからの発展として研究分野，実社会応用，倫理が記載されています．
個人的に，これからの人工知能の研究分野について知れたところがポイントでした．
人工知能の概要について網羅されているのでこの本を読んでおけば大丈夫だと感じました．
ポイント
RNNやLSTMについても書かれていたと思います．強化学習なども書かれていて網羅的だった印象です．
人工知能のアーキテクトたち
分量が多いため，有名な研究者や聞いたことのある研究者の部分だけ読みました．
e.g.) Fei-Fei Li, ジューディア・パール
人工知能分野では，著名な方々のインタビューが載せられており，これからの人工知能の将来性を議論しています．
読んだ当時は，画像分野に興味があったためFei-Fei Li先生などの部分を読みました．
注意点として，この本は人工知能についての将来性をインタビューしたものなので「人工知能とはなにか？」を知りたい方向けではないと感じています．
なので，気になる研究者をピックアップして読む程度にとどめておくことがベストだと思います．
注意
人工知能の概要を知ることが目的だったので，辞書的に使いました．
2. 数学の勉強（学習想定時間：40時間）
結論
「最短コースでわかる ディープラーニングの数学」と「3Blue1Brown」を活用すればOKです．
PyTorchを習得する際に「最短コースでわかる PyTorch ＆深層学習プログラミング」という書籍で勉強したのですが，その書籍と内容がリンクしていて関連がある内容を扱っていました．
注意
実は「最短コースでわかる ディープラーニングの数学」は読んでいません．
PyTorch本がとてもわかりやすかったので，同じ著者の数学の本なら期待できるという推測も含んでます．
詳細
- 人工知能プログラミングのための数学がわかる本
全て読みました．また，コード実装や練習問題もすべてやりました．
人工知能に関係する数学を必要な箇所だけ取り上げている印象です．
結論の方で「最短コースでわかる ディープラーニングの数学」を採用しましたが，こちらでも十分大丈夫です．
最短コースでわかる ディープラーニングの数学
目次しか読んでいませんが，コースマップに従い寄り道しないように進めていく印象です．
同じ著者のPyTorch本で同様のコースマップがあり各セクションわかりやすかったです．
機械学習のエッセンス
わからなかった数学の部分を辞書的に使うため使いました．ただしPython実装のイメージが強かったです．
そのため，Python実装をしながら数学を学びたい方にはおすすめです．
注意
私は人工知能で使われる数学について学ぶことが目的だったのでこの本は部分的に読みました．
プログラマのためのディープラーニングのしくみがわかる数学入門
読んでいません．
数学の理解が目的だったため見送った記憶があります．
Ｐｙｔｈｏｎで動かして学ぶ！あたらしい数学の教科書―機械学習・深層学習に必要な基礎知識
我妻幸長さんの著書をいくつか見かけたことがあり，読んでみることにしました．
文系の方でもわかるようにコーディングを通して数学の理解ができるようになっていました．
3Blue1Brown
日本語訳verもあるのでおすすめです．視覚的に数学を捉えることができ，理解が深まります．
ポイント
深層学習系の動画が多く，わかりやすいです．
3. プログラミングの勉強（学習想定時間：40時間）
結論
「ゼロからのPython入門講座」をやればOKです．
ポイント
Pythonの基本的な部分のみを習得できます．
詳細
ゼロからのPython入門講座
全てやりました．Python公式の講座であるため信頼できます．
また，Google Colaboratoryの使い方も書かれているため手軽にGPUを使いたい方にもおすすめです．
Pythonプログラミング入門
Google Colaboratoryを使ってプログラミングを学びます．
ポイント
クラスについての説明もあり網羅性が高いです．
独習Python
辞書的に使いましたが，ほとんど使っていません．
わからない部分を詳細に知りたいときに使うと良いと思います．
4. PythonやNumPyを用いたデータ分析の方法を学ぶ（学習想定時間：30時間）
結論
この部分は飛ばしても良いと思ってます．
「東京大学グローバル消費インテリジェンス寄附講座」と「東京大学のデータサイエンティスト育成講座」の両方をやりましたが，深層学習の勉強・実装をした方が理解が早かったです．
注意
データ分析やkaggleをしたい方はやった方が良いと思います．
詳細
東京大学グローバル消費インテリジェンス寄附講座
受講しました．最終課題は実践的なデータ分析の課題なのでおすすめです．
注意
学生でないと受講できません．
ちなみに，放送大学などの通信制大学の方でも受講できたはずです．
東京大学のデータサイエンティスト育成講座
途中まで読みましたが全てはやっていません．
ページ数が多かったためポイントに絞ってやる方が良いかもしれないです．
5. 機械学習・深層学習の勉強・実装（学習想定時間：70時間）
結論
「ゼロから作るDeep Learning」と「深層学習（岡谷貴之著）」とやればOKです．
詳細
Deep Learning基礎講座
毎年4月に開講しています．
修了証をもらって，追加課題をやればE資格の受験資格を得られます．
学生が受講できます．
MIT Introduction to Deep Learning（英語のみ）
受講していません．
英語ですがMITの授業が無料で受講できます．たしかYouTube上にも動画があったと思います．
CS230 Deep Learning（英語のみ）
受講していません．
こちらも英語です．人工知能界では有名なAndrew Ng先生がインストラクターです．
Neuromatch Academy: Deep Learning（英語のみ）
受講していません．
こちらも英語です．日本語の教材で学習したかったため見送りました．
ゼロから作るDeep Learning
ゼロつくシリーズです．
理論と実装をゼロから理解することできます．多くの人におすすめできる良書です．
深層学習（岡谷貴之著）
コンピュータビジョン研究で有名な岡谷先生が書かれた書籍です．
研究寄りの内容を多く取り上げて，網羅的に説明されています．
注意
数式もできるだけ追った方が良いですが，セクションごとの概要理解でも良いと思います．
詳解ディープラーニング
中身を軽く読みました．
実装が多く説明もわかりやすいです．手にとってみて理解しやすければこちらでも良いと思います．
深層学習（Ian Goodfellow著）
大事なポイントのみ読みました．
ページ数が多いため，ポイントに絞ってやると良いと思います．
おわりに
ここまで紹介してきましたが，目的によっておすすめの本は変わります．
自分の場合は「論文を読めることや研究をすること」が目的でした．
この記事によって人工知能研究やデータサイエンスを始める方の一助になれば幸いです．