ML,DLの参考書進め方

Question

ざっくりとした質問で恐縮なのですが、機械学習、深層学習、強化学習を一通り触りたいです。
そこで参考書なのですが、以下のように進める予定です。
難易度や流れなどを汲んで、適切かどうか、またはおすすめの参考書などあれば教えていだだきたいです。

やる予定
1.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
2.第2版 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装
3.つくりながら学ぶ！深層強化学習 PyTorchによる実践プログラミング
4.ゼロから作るDeep Learning 2 -自然言語処理編
5.パターン認識と機械学習 上下

一応、いくつかのキュレーションサイトで難易度を考慮したのですが、どうですかね？
もちろん、つべこべ言わずにとにかくやれ！というのもわかりますが、どうせならいい流れで学習したいと思っています。世の中に参考書溢れかえっているのでなかなか取捨選択も難しい。。

Answer 1

私は、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
から始めましたが、何だかしっくりきませんでした。
学習時点の能力にもよると思いますが、
個人的にはWebラーニングがおすすめです。
1.CourseraのMachineLearningコース
https://www.coursera.org/learn/machine-learning
2.CourseraのDeeplearnngコース
https://www.coursera.org/specializations/deep-learning
ひと通りハンズオンで触れます。
シラバスが公開されていますので、良ければ確認してみてください。
書籍限定でしたらすいません。

Comments

[meg_]

CourseraのMachineLearningコースは良い内容ですが、言語がoctave(or matlab)なんですよね。。
「Deeplearnngコースだけで良い」という意見もありますが、どうなんでしょうね？（私はこちらは未受講です）

[MycoChild]

cousera、とても評判が高いですが、初学で英語の講義というのがネックで、モチベが続かず頓挫しそうなんですよね（英弱）

[pea]

質問主はML,DL一通り触りたいということだったので、両方挙げました。
私はMachineLearningコースを受けることでDeepLearningコースにスムーズに移行することが出来ました。

英語は得意ではないので、字幕の英語をDeepLやGoogle翻訳にコピペして内容確認しながら動画を見てました。この講座の良いところは、本に中々載っていないような実務で困る所や、見落としがちなポイントを初学者にもわかりやすく教えてくれる点です。後は、理論よりは直感的理解を優先して教えてくれるので、とっつきやすかったです。
無料トライアル期間もあったはずなので、取り合えずおすすめしてみます。
合格証の効果は無期限で、履歴書に記載可能です（評価されるかは不明）

[meg_]

>MycoChildさん
CourseraのMachineLearningは動画は日本語の字幕で視聴可能です。クイズとかテストとかは全部英語ですが、ネット翻訳で対応可能かと思います。

>peaさん
DeepLearningコースも受けてみたいと思っています。
確か両コースとも視聴だけなら無料で出来たはずです。個人的には課題がためになると思うので有料コースがオススメですが。Andrew先生は本当に分かりやすいですよね。

Answer 2

質問に挙げてある書籍はディープラーニングや機械学習に関する書籍ですが、前提として Python や numpy、pandas に関する基礎知識が必要となります。
もし、それらの知識に不安があるようであれば、以下の書籍を合わせておすすめします。

• 入門 Python 3

→ Python 3 の入門書

• Pythonによるデータ分析入門 第2版

→ NumPy, matplotlib, pandas の入門書
→ pandas の製作者が筆者なので、pandas の解説が多め (7割ぐらい)

3, 4は持っていないので、それ以外の書籍に関してコメントします。

やる予定
1.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

→ 手を動かしながら学習が進められるのでよい書籍だと思います。入門書として難易度も適切と思います。

2.第2版 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装

→ scikit-learn で使える有名なモデルの使い方が一通り載っています。

5.パターン認識と機械学習 上下

→ 1～4の書籍はコードベースの解説書であるのに対して、この本は機械学習の理論書であり、コードは出てきません。
→ 機械学習の理論的な背景をきちんと勉強したい人向け
→ 読み進める上で理系大学2年レベルの解析学、統計学、線形代数は必須です。幅広い話題を取り扱っているため、1つ1つの話題の解説はあっさりとしています。そのため、行間を自分で埋める必要があります。
→ 2000年代の書籍なので、ディープラーニングは出てきません。強化学習の話題もないです。

1～4はコードベースの解説書で難易度も Python、numpy、pandas の基本を知っていれば読めるレベルなので、機械学習、ディープラーニングの入門するうえでありだと思います。
5は理論書なので、1～4の書籍とは毛色が違います。値段もそれなりにします。大型書店いけば置いてあるので、内容を確認してから買うか判断したほうがよいと思います。