私がDeepLearning関連の学習に使用した,参考書類をご紹介します.
現在も学習中なので,読んだものから追記していくつもりです.
今回は取り分け「数学」に焦点を絞ってご紹介しようと思います.
目次
全般
涌井良幸・涌井貞美『ディープラーニングがわかる数学入門』技術評論社
<感想>
最初は歯が立たなかったので,下記の参考書に取り組んだ後に取り組みました.
タイトルの通り,DeepLearningに必要な知識が身につきます.良書です.
この本の特徴的なところが,Excelを使用してDeepLearningのアルゴリズムを実際に動かしてみることができること.しかも中でどのような計算が行われているかと言うことが,このExcelを見れば一目瞭然.
必要な知識を概観したい人や技術者向けの内容になっています.
線形代数
石井 俊全『まずはこの一冊から 意味がわかる線形代数』ベレ出版
<感想>
文系大学出身者でもとっつきやすい印象.
筆者も文系出身者にも伝わるように,意識して記述している感じがあります.私は「線形代数」という言葉の意味がわからなかったのですが,そこからきちんと学べます.
読了後に,「線形代数」ってこんな感じなのか,というイメージがつかめる本です.
演習問題などはほとんどないので,実際に手を動かして覚えるのであれば,他の本も手に取ってみてください.
寺 平治『超入門 線形代数』講談社
<感想>
やはり問題演習は欠かせません.しかし,いきなり問題演習用の本を買うと,手も足も出ない……
そんな人向けの本です.簡単な演習問題が多く掲載されているので,文系出身者が手を動かすには最適かと思います.
現在絶版なのでしょうか?ネットのどこを探しても,新品の出品が見つかりませんでした.中古はネットに出回っているので,購入の際はお気をつけください.
新品を発見された方は教えてください!
石井 俊全『1冊でマスター 大学の線形代数』技術評論社
<感想>
ここからは理系の人も手応えを感じられる内容かと思います.実際に大学の単位を取る人向けに書かれている本です.なので中級者向けといったところでしょうか.
これ一冊をきちんとこなせば,DeepLearningで使用するおおよその線形代数は理解できるかと思います(勿論,DeepLearningを勉強していけばいくほど,分からないことも出てくるものですが…)
繰り返し問題を解き,実力を手にすることができる本です.
内容もしっかり充実しています!因みに私は著者の石井さんの数学解説が好みで,これからも石井さんの本が多めに出てきます.
微分積分
永野 裕之『ふたたびの微分・積分』すばる舎
<感想>
高校時代の数学を忘れてしまった方用ですが,私もこれを手に取らないと手がつけられませんでした.三角関数や指数対数関数の初歩もきちんと紹介されていて,図なども非常に見やすかったです.
今では,使う頻度がかなり減ってきてしまいましたが,もう一度数学をやり直したい方には是非手に取っていただきたい良書です.
小寺 平治『超入門 微分積分』講談社
<感想>
線形代数で紹介していた本の姉妹本です.微分積分もこの本で演習問題をとき,徐々に慣れていきます.正直微分積分の方が線形代数に比べて覚える内容が多く,挫折も多いと思います.
この本であればおそらく挫折はしないはずです.文字通り,「超入門」です.
こちらの本も現在絶版なのでしょうか?ネットのどこを探しても,新品の出品が見つかりませんでした.中古はネットに出回っているので,購入の際はお気をつけください.
新品を発見された方は教えてください!
石井 俊全『1冊でマスター 大学の微分積分』技術評論社
<感想>
線形代数の本と同じような内容になりますが,理系の人も手応えを感じられる内容かと思います.実際に大学の単位を取る人向けに書かれている本です.なので中級者向けといったところでしょうか.
今でもたまに忘れた時に使っています.
DeepLearning関連で使用する微分積分のほとんどはカバーできていると思います.私個人は大学院入試の時に大変お世話になりました.
この本も石井さん(私がお勧めする著者の方)が書かれた本です.
石村 園子『やさしく学べる微分方程式』共立出版
<感想>
使用する人は少し限られてきますが,微分方程式に関する本です.これを学ばなくてはDeepLearningが使えないことはないですが,どちらかと言うと,実社会の問題を解くために必要です.
データサイエンスをされている方(目指されている方)なら,これは必要な知識ではないでしょうか.その微分方程式の入門書だと思っていただければ大丈夫です.
今までの微分積分と毛色が違うため,とっつきにくさを感じる人にはこの本がお勧めです.
統計
石井俊全『まずはこの一冊から 意味がわかる統計学』ベレ出版
<感想>
DeepLearningのみならず,機械学習は統計に基づいています.
パターン認識(画像認識などに使われる手法)が有名ですね.
現在はプログラミング言語のライブラリ増加により,統計学を勉強していなくても実装することができるようになっています.しかし,実際の問題を解く場合において,どの手法が一番有効かを考えたり,そもそものアルゴリズムを考える上で,統計学は切って切り離せないほど重要です.
文系出身者は覚えることが多すぎると思いますが,この本は文系の私でも最初に取り組むことができました.是非一度手に取ってみてください.
一石賢『まずはこの一冊から 意味がわかるベイズ統計学』ベレ出版
<感想>
統計学といえば,ベイズの名を聞かないことは無いと思います.そのくらい重要なベイズの定理をわかりやすく紹介してくれます.
例がふんだんに取り入れられているため,数式で意味がわからなかったものを理解することができました.おそらく慣れるまでは,時間がかかり,私も何度か読み返しています.
ベイズの定理は派生系が豊富にあるため,全ての内容はわかりませんが,ベイズの定理を知らない人が理解することができる,と言う意味で良書と言えるでしょう.