機械学習・ディープラーニングの良書まとめてみた

はじめに

機械学習やディープラーニングには興味があったものの、プログラミングにコンプレックスがあったので、なかなか手が出せずにいました。しかし、去年下半期にPyQを一通りこなし、仕事でも多少プログラミングをするようになったこともあり、そろそろその分野の勉強を始めたいな、と。

勉強手段には色々ありますが、書籍は最低限のクオリティは保証されており、体系的に知識を得ることができるため、有用なものといえるでしょう。とはいえ本の中でもクオリティには差があると思います。そのクオリティを確かめるために、レビューを参考にする方は多いと思いますが、一体誰を信じればいいのでしょうか。この人とは価値観が合う、この人みたいになりたい、というものがあればその人のおすすめを参考にすればいいと思いますが、知識がない状況ではどの人を信用していいかもわからないと思います。

そこで考えました、多くの記事で紹介されているものならばある程度の質は担保されているのではないかと。多くの人に読まれている、はそれだけで意味があると思っています。多くの人が読んでいるからこそ共通言語として扱われているようなものもあると思いますし、疑問点も解決する可能性が高い。

ということで「おすすめ」「入門」「良書」とかで検索したいくつかの記事の中で、複数の記事に紹介されているものをまとめました。

余談

ここまで書いてまとめてから思ったのですが、こういう本を読むことはあくまで目的を達成するための「手段」です。なんとなく機械学習やってみたいなーと思ってなんの本読もうかなーぐらいの軽いモチベーションで始めてしまいましたが、本来はやりたいこと（＝「目的」）に最短距離で到達できる可能性が高い手段、がその人にとっての「良い本」であるはずです。

そもそも、機械学習そのものも手段です。何らかのデータ（数値、自然言語、画像、、、etc）に対して分析や解析をするためのイチ手法でしかないと思います。

そのため自分がやっていることは、志望校も受ける教科も決まっていないのに、おすすめの参考書をまとめてみたようなものです。

ただ、お蔵入りしても仕方ないですし、その本自体の評価を検討する上ではある程度意味があることだとは思うので、まとめてみました。

注意事項

機械学習の活用分野については考慮していません。大まかな「機械学習」というくくりでやっているため、自然言語処理がやりたい！Kaggleで勝ちたい！と目的が明確な人はその目的に合わせて必要なところだけピックアップしてもらえればと思います
実際の内容については考慮していません。合う、合わないは個人によるものが大きいと思いますので、立ち読み等で確認することを勧めます。
カテゴリの判断基準はありません。こちらの記事に従っていますが、含まれないものは私の独断と偏見でいれています。
並び順に意味はありません。カテゴリ内で言及記事数が多いものは先に書いてあります。
参考記事の選定理由に深い意図はありません。他におすすめなものがあれば教えていただけると幸いです。
抜け漏れ・確認不足あるかもしれません。あったらすみません。