top of page

Study Method

機械学習の学習題材

​

機械学習の学習のための書籍が数多く出版されています。基本的に、それらの書籍を活用し学習していくのが最善です。その過程でプログラムを動作させ動作確認していくことができればさらに良いです。しかし、プログラムを動作させるだけでは理論を知ることはできません。ネットにはGithubに様々なプログラムが公開されていて動作させることはできますが、そのようなプログラムを動作させても結果を知ることしかできないので、なぜそうなるかということは理解することはできません。以下に留意点を記載します。

 

  • 大学１年生程度の線形代数の知識が必要となるので、自信がない場合は、最初に簡単な教科書で知識を身につけることを薦めます。

  • 第一段階は、体系的に記述されている専門書を読むことをお薦めします。

  • 日本語の専門書は、海外の専門書に比較して薄く安価ですが、網羅性が弱いのでハードルが高いです。

  • 海外の書籍は英語ですが、体系的に記述されている良書があります。それを１冊を学習した方が理解が深まります。書籍はamazonでも購入できますが、日本の書籍に比較して高額です。中には、作者自らPDFでダウンロード可能にしている場合もあるので探してみると良いと思います。

  • 海外の大学は、授業のビデオや資料をサイトやYouTubeで公開している場合が多く、それらを活用することで更に理解が深まります。

  • 書籍も、動画も英語なので言語の面でハードルが高いですが、段々慣れてくるとわかるようになるので我慢強くトライすることも必要です。慣れるまではGoogle翻訳やYouTubeの字幕翻訳を利用して進めるのも良いと思います。

お薦めの学習教材(機械学習・パターン認識編)

​​COMPUTER VISION MODELS,LEARNING,AND INFERENCE, Simon J.D.Pri​nce​

  • ここで紹介する書籍の中で最も初心者向きでかつ網羅的に記載されている。数式の展開の証明は演習問題となっている。

  • PDFやアルゴリズムのブックレット、Matlabのソースコード、演習問題の解答の一部はこのサイトからダウンロードが可能

  • この書籍に関するPPTの一部を広島大学の玉木先生がUdemyで「ベイズ推定とグラフィカルモデル：コンピュータビジョン」というタイトルで日本語で講義をしています。無料なので必見です。

  • ​

Pattern Recognition and Machine Learning, Christopher M. Bishop

  • 機械学習の教材として定番のいわゆる"ビショップ本"です。定番ですが、定番ということで最初にトライし、諦めてしまう人が多い書籍でもあります。国内様々な場所、グループで勉強会が開催されており断片的はスライドが公開されているので、補助的にそれらを活用して勉強を進めることができます。

  • <世界中の様々な大学の先生が、この本を参考に講義用資料、ビデオを作成し、公開しています。

  • どういう経緯かわかりませんが、初版本についてはPDFがこのサイトからダウンロードが可能です。

  • 演習問題の解答の一部はこのサイトからダウンロードが可能です。ちなみに著者のBishopは現在、Microsoftのresearcherです。

  • この書籍ついてサイボウズ・ラボの社内勉強会が実施され、その成果が書籍とPDFで『パターン認識と機械学習の学習 普及版』というタイトルで公開されています。ビショップ本の線形代数の複雑な式展開などがフォローされており理解を深める上で非常に役立ちます。

  • こちらの書籍は、日本語訳が「パターン認識と機械学習 」（上巻、下巻）出版されています。こちらから購入することが可能です。

お薦めの学習教材(強化学習編)

​Reinforcement Learning: An Introduction, Richard S.Sutton, Andrew G.Barton, Francis Bach

  • 強化学習のバイブルと呼ばれている書籍です。1998年に初版が出版されて以来多くの研究者に参照されています。基礎から応用までわかりやす記述されており非常に取り組みやすいと思います。

  • 日本語訳本「強化学習」も出版されています。

  • 書籍は最新の理論が追記された第２版がもうすぐ出る出ると言われてますが、2018.10月時点ではまだ出版されていないようです。しかし、最新版のDRAFTはPDFは公開されておりこちらからダウンロードが可能です。

  • この書籍を基にしたロンドン大学David Silverの講義と講義資料がネットで公開されています。非常に参考になるのでお薦めです。ちなみにD.Silverは現在はDeepMind社で強化学習理論を活かしAlphaGoの開発をしているそうです。

お薦めの学習教材(SLAM編)

​Probabilistic Robotics, Sebastian Thrun, Wolfram Burgard

  • Google Car開発の主導的立場であり、Stanford大学のStanford Artificial Intelligence Laboratory (SAIL)の所長であるSebastian ThrunがSLAM(Simultaneous Localization and Mapping)を中心に記述した書籍です。SLAMはロボットが周囲をセンシングしつつ自律的に自己位置と周囲の地図を決定するために利用する技術です。

  • 書籍には疑似コードも掲載されていて実際にシミュレーション等で確認しながら学習することが可能です。また、S.Thrunが設立したオンライン学習サイトUdacityでも多数の教材があり、合わせて活用することが可能です。

  • 日本語訳本「確率ロボティクス」も出版されています。

  • 初版DraftのPDFについてはこちらからダウンロードが可能です。

  • この書籍を基にして第二著者のW.BurgardがUniversität Freiburgで行った講義ビデオと講義資料がネットで公開されています。講義によっては録画、録音状況が良くないですが書籍単体での学習よりは効率的に学習できます。

お薦めの学習教材(深層学習編)

​Deep Learning (Adaptive Computation and Machine Learning), Ian Goodfellow, Yoshua Bengio,Aaron Courville

 

  • 深層学習による競合的生成ネットワーク(DCGAN)の提案者であるIan Goodfellowらが記述した書籍です。

  • 深層学習の、大まなか基礎理論は、機械学習と同一であるため、この書籍では他の機械学習の書籍との内容の重複はありますが、機械学習との違いを理解しつつ深層学習を理解することは課題解決のために最適な手法を選択する上で重要と考えます。

  • 日本語訳本「深層学習」も出版されています。

bottom of page