かなで技術日誌

プログラミングやエンジニアリング周りについて

主なアウトプットはScrapboxObsidianにまとめてます。

機械学習の勉強方針

いよいよ明日から出社なのに親知らずを抜いた腫れがおさまらない。。。

今の勉強の方針としては
①数学の基礎固め
線形代数
微積
無印はきつかったので大学基礎数学をやってから(一か月で終わらせられれば・・・)

初めから学べると評判の大学基礎数学微分積分キャンパス・ゼミ

初めから学べると評判の大学基礎数学微分積分キャンパス・ゼミ

無印を通読

使わなさそうな部分は飛ばして、的を絞って勉強

・確率・統計
前に統計学をちょっとやった蓄積が多少あるので、持っているやつで勉強すればいいかなという感じ

統計学 改訂版 (New Liberal Arts Selection)

統計学 改訂版 (New Liberal Arts Selection)

・集合・位相
とりあえずでこれを読む

ろんりと集合

ろんりと集合

これだけやっておけば、後は機械学習の勉強と並行して時々に応じてインプットすればいいかなと
気になるのは

これなら分かる最適化数学―基礎原理から計算手法まで

これなら分かる最適化数学―基礎原理から計算手法まで

機械学習を一通り勉強(教師なしまで一気に)
・courseraのMachine Learning

Pythonで動かして学ぶ! あたらしい機械学習の教科書

Pythonで動かして学ぶ! あたらしい機械学習の教科書

あとは有名どころとして

はじめてのパターン認識

はじめてのパターン認識


③興味に応じてより狭く深く
定番のDeep Learning

深層学習 (機械学習プロフェッショナルシリーズ)

深層学習 (機械学習プロフェッショナルシリーズ)


有名なCNN(Convolution Neural Network)は

自然言語処理はこれ?

深層学習による自然言語処理 (機械学習プロフェッショナルシリーズ)

深層学習による自然言語処理 (機械学習プロフェッショナルシリーズ)


としてやっていこうと思う

機械学習の勉強をしながら時々に応じて数学を補うというのもありだけど、自分自身の数学の基礎が怪しすぎるため機械学習の勉強がうまく進まないというのがある
あといい機会なので一通り線形代数微積分はやってしまいたいというのもあります

仕事をやりながら、今年のうちにkaggleに挑戦できるようになれれば・・・