Edited at

機械学習/ディープラーニング勉強としてやってきたこと -読んだ本編-


初めに

2018年1月頃から機械学習/ディープラーニングの本を読み始め、6月頃からコードを書くようにしてきました。今振り返ると「これはいい本だった」「もっと先にこれをやればよかった」などの気付きがあるので、それを紹介します。kaggle初心者の私が3ヶ月でソロゴールドを獲得した方法のようにすぐに結果を出した!なんてことはなく、普通の社会人が休日だけ勉強した軌跡です。


対象読者

これから機械学習/ディープラーニングを勉強しようという方


勉強前後の自身の能力

勉強前(2017年12月以前)
現在

数学
一応理系だったものの線形代数、確率はほぼ忘れていた。当時は行列の掛け算もできない、分散の定義も言えないというありさま
相変わらず苦手だが、行列の掛け算はできるように。分散と標準偏差の違い、ベイズの定理くらいはわかるようになった

理論
機械学習/ディープラーニングの違いすら怪しかったかも
機械学習はk-近傍法あたりはわかるが、ランダムフォレスト、SVMは説明する自信なし。ディープラーニングはMLP、CNN、RNNの初歩的なことは理解したつもり

実装
pythonすら触ったことなし
python、numpyはある程度マニュアルを読まずに書ける。Tensorflow、Kerasはマニュアルを読みながら書ける程度


読んだ本(:star:の数は初学者へのお勧め度です)


お勧めの本

読んだ(読んでる)本は以上です。今からディープラーニングを勉強してみようという方には、


  • 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~

  • 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 Learning ❷ ―自然言語処理編

をまずはお勧めします。その後、利用するフレームワークに応じた本を読むのがいいのではないでしょうか?それとやはり実践ですね。本を眺めているとわかった気になるのですが、いざ実装しようとすると手が動かないことが多くありました。自分自身は少ししかやっていないですが、写経もいいと思います。今後、当面本は買い足さず、これまで買った本を読み返すことと実践で鍛える予定です。