【AI入門講座】初学者が機械学習本を読むための数学知識

 

ディープラーニング・機械学習本を読むための数学知識

 

【更新状況】 2020年3月29日(日)

「Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで」を読むためのギリシャ文字・数学記号 New♪

3月25日(水)

「図解即戦力 機械学習&ディープラーニングのしくみと技術がこれ1冊でしっかりわかる教科書」を読むためのギリシャ文字・数学記号 New♪

3月24日(火)

ギリシャ文字の読み方を知ろう New♪

3月23日(月)

【無料で読める – ビショップ本:PRML】Pattern Recognition and Machine Learning(Christopher M. Bishop) New♪

地道に作成予定です。

 




 

【基本】

 

 

ギリシャ文字の読み方を知ろう New♪

・数学記号の読み方・意味を知ろう

 

【数学入門各論】(予定)

 

 

・線形代数

・微分(・積分)

・指数関数・対数関数

・確率・統計

 

【数学プログラミング等】(予定)

 

 

・論理回路(AND・NAND・OR・XOR)

・活性化関数(シグモイド関数・ステップ関数・ReLU関数)

・他

 

【機械学習本を読むためのギリシャ文字・数学記号】(予定)

 

 

わかる範囲ではありますが、以下の本を読むためのギリシャ文字・数学記号についてまとめていこうと思います。

 

・「人工知能プログラミングのための数学がわかる本」を読むためのギリシャ文字・数学記号

・「ディープラーニングがわかる数学入門」を読むためのギリシャ文字・数学記号

・「文系プログラマーのためのPythonで学び直す高校数学」を読むためのギリシャ文字・数学記号

「図解即戦力 機械学習&ディープラーニングのしくみと技術がこれ1冊でしっかりわかる教科書」を読むためのギリシャ文字・数学記号 New♪

「Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで」を読むためのギリシャ文字・数学記号 New♪

・「見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑」を読むためのギリシャ文字・数学記号

・「徹底攻略 ディープラーニングG検定 ジェネラリスト問題集」を読むためのギリシャ文字・数学記号

・「ゼロから作るDeep Learning」を読むためのギリシャ文字・数学記号
* 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

・「Pythonで動かして学ぶ!あたらしい機械学習の教科書(第1版)」を読むためのギリシャ文字・数学記号

・「つくりながら学ぶ! PyTorchによる発展ディープラーニング」を読むためのギリシャ文字・数学記号

・「詳解 ディープラーニング(第1版)」を読むためのギリシャ文字・数学記号
* 詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

・「TensorFlowで学ぶディープラーニング入門」を読むためのギリシャ文字・数学記号
* TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~

・「Python機械学習プログラミング(第1版)」を読むためのギリシャ文字・数学記号
* 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

・「Deep Learning Javaプログラミング 深層学習の理論と実装」を読むためのギリシャ文字・数学記号

 

【無料で読める!数学・機械学習と数学関連情報】

 

 

数学・統計(日本語)

無料で「21世紀の統計科学Ⅰ・Ⅱ・Ⅲ」東京大学出版会 (3冊分PDF)を読む 

 

機械学習の数学(日本語)

ディープラーニング入門 Chainer チュートリアル(機械学習に使われる数学・微分の基礎・線形代数の基礎・確率/統計の基礎・ニューラルネットワークの基礎)

 

機械学習の数学(英語)

【無料で読める – 機械学習のための数学本】Mathematics for Machine Learning(Marc Peter Deisenroth et al)

 

機械学習の名著(英語)

機械学習の理論書 通称 “ビショップ本”・略称 “PRML”
数式に慣れた暁には… いつかは読んでみたい方もいるのではないかと思います。
【無料で読める – ビショップ本:PRML】Pattern Recognition and Machine Learning(Christopher M. Bishop) New♪

E資格を目指している方にはお馴染み?のグッドフェロー本
【無料で読める】「Deep Learning」(Ian Goodfellow et al.)関連動画・資料も嬉しい  

 

人工知能・機械学習の勉強に挫折する要因とは?

 

 

ディープラーニング(深層学習)をはじめとした、人工知能・機械学習関連の書籍を買ったものの、書棚に飾られている…
といった方も中にはいるのではないかと思います。
機械学習分野の学習や、機械学習関連書籍を読むのを挫折する原因の一例としては

 

・機械学習系の理論・アルゴリズムのことを知らない
・機械学習プログラミングの環境構築方法やプログラムの内容がよくわからない…
・数式が意味不明で自分には無理だと思った…

 

等と

 

・機械学習理論・アルゴリズム等の知識の問題
・プログラミング系の問題
・数学的素養の問題

 

等の要因があるのではないかと思います。

 

機械学習本を読むには、数学の知識がなくてもいい?
→ 数学の知識はあった方が楽しい♪

 

 

自分自身も機械学習本を読む際に、始めの頃は数式を「完全に」読み飛ばしていましたが、徐々に数式を眺められるようになってきました。
実のところ、書籍等に掲載して頂いているサンプルコードを動かしたり、ネット上の情報をかき集めて、ちょっとしたオリジナルの機械学習プログラムを実装する程度であれば、出来てしまう時代になっているのを感じています。

書籍等に掲載されている数式が理解出来なくても

 

・数式について解説してくださっている文章
・数式から得られる図・グラフや、その解説

 

をある程度理解出来れば、ちょっとしたオリジナルの機械学習プログラムの実装は出来てしまいますので

 

結局、数学は出来なくてもいい?

 

と思われる方も少なからずいらっしゃるのではないかと思います。ただ、機械学習はお察しの通り、

 

数式でモデル化されたものをコンピュータで実装している

 

ので、数学の知識(と数式をプログラミングに落とし込める能力)があることで、

 

・(数学の)理論の情報をもとに、機械学習プログラムの実装が出来る(かもしれない…)
・数式でモデル化した独自の理論で機械学習プログラムを実装する(ことがあるかもしれない…)

 

等と応用範囲が広がったり、機械学習のモデルや技術の本質等を理解する一助になるのではないかと思います。

 

 

今後の予定と方向性 -【AI入門講座】初学者が機械学習本を読むための数学知識

 

 

この記事を初回投稿時点(2020年3月21日)では、まだ考案段階の企画ですので、今後どうなるかはわかりません…
一連のコンテンツでは、自分自身の日々の学習を兼ねて、機械学習分野の初学者の方が、

・数式をとりあえず嫌悪感なく眺めることが出来る
(数式へのコンプレックス・数学アレルギー?の軽減)
・数式についても考え始めることが出来る
・数学関連の有益な情報を知る

きっかけとなるような情報を、まとめていきたいと考えています。
まとめるのに時間がかかるかと思いますが、お楽しみに

 




 

by 子供プログラマー | プログラミング入門ウェブ教室