会社を辞めるまでの有給消化期間中に、機械学習を勉強(する/してる/した）こと一覧です。
数学
-
元気が出る数学II
- 三角関数
- 対数
- 微積
-
新編 高専の数学2
- 微積
- ベクトル
- 行列
-
新編 高専の数学3
- 微積
- 微分方程式 -> 必要?
- 確率
- 統計
-
完全独習 統計学入門
- t検定
- マンガでわかる統計学入門
-
統計学キャンパスゼミ
- -> 式の導出を飛ばしているのでもう一回やる
- 線形代数キャンパスゼミ
- 微分積分キャンパスゼミ
-
プログラミングのための線形代数☆
- ジョルダン標準形まで
- -> 評判通り良い
-
これならわかる最適化数学☆
- 2次形式の標準形
- ラグランジュの未定乗数法
- 勾配法, ニュートン方, 最小二乗法
- 統計的最適化
- 線形計画法
- 非線形計画法
- 動的計画法
- -> これやらないと線形代数と最適化の繋がりがわかんなくて勉強するモチベーションが上がらないので、もっと早く入手して目を通したほうが良かった
-
PRML(上)
- 第1章 序論 -> エントロピーわからない
-
パターン認識と機械学習の学習
- -> PRMLの序論の説明はほぼない
プログラミング
-
Python言語によるプログラミングイントロダクション
- プログラミング基礎
- 統計 -> 小話が面白い
- 機械学習初歩
機械学習全般
-
集合知プログラミング
- -> 昔読んだ
- Python機械学習プログラミング
Deep Leaning
-
ディープラーニングがわかる数学入門
- 「ディープラーニングをExcelで体験できる」...
-
深層学習
- -> ざっと読んだ
自然言語処理
-
言語処理のための機械学習入門
- 必要な数学的知識 -> この章こそが人類が求めていたものでは?
まとめ
自分は大学の教養の数学の時間は寝ていたので、ほぼ0から勉強し直すはめになっている。勉強したやつを記憶する方法が全くわかっていないので、同じような内容をいろいろな本で学んでいるかんじになっている（ラグランジュの未定定数法とか）。
上から抜けていそうなのは、信号処理の知識とかな気がする。そっちに手を出すと、フーリエ変換とかウェーブレットとかも勉強しなきゃいけなそうなのでさらにボリューミーになりそう。だがどうせさらに数学勉強してもPRMLで詰まるので、早々にkaggleとかをやり始めたほうが建設的かもしれない。