最終更新日：
※実際記事で紹介する書籍は12冊ですが、メンバーが借りてオフィスになかったため、上記画像内に3冊ないものがあります。
目次
- この記事の対象者
- 対象ではない方
- 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. ゼロから作るDeep Learning ❷ ―自然言語処理編
- 3. 直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ
- 4. 人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)
- 5. Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
- 6. scikit-learnとTensorFlowによる実践機械学習
- 7. スラスラ読める Pythonふりがなプログラミング (ふりがなプログラミングシリーズ)
- 8. PythonとKerasによるディープラーニング
- 9. [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践 (impress top gear)
- 10. 詳細! Python 3 入門ノート
- 11. 深層学習教科書 ディープラーニング G検定(ジェネラリスト) 公式テキスト
- 12. はじめてのディープラーニング -Pythonで学ぶニューラルネットワークとバックプロパゲーション
- 学習ロードマップ
- ・ロードマップC
- おまけ
- 3. パターン認識と機械学習 上
- まとめ
はじめに
AI Academyを開発・運営しています、サイバーブレイン株式会社代表の谷です。
6ヶ月ほど前に書いた下記記事は約1200のいいねと7万viewsを超える記事になりました。
【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法
お読み頂いた方々、またいいねして頂いた方々ありがとうございました！
あれから6ヶ月ほど経ちまして、さらにPythonや機械学習の書籍が増えて参りましたので、改めて初心者向けにPythonと機械学習の良書12選を紹介し、初学者が独学でも機械学習プログラミングの基礎スキルUPに貢献できたらと思います。
また、AIプログラミングを作りながら学べるプログラミング学習サービスAI Academyを無料でご利用頂けますので、この記事と合わせてご利用頂けますと幸いです。
この記事の対象者
- 数学はあまり自信ないが、まずはPythonを使って、機械学習プログラミングできるスキルを身に付けたい方
- 将来、人工知能に関連した業務に携わりたいと検討中の初学者の方で、まずは手を動かしながら機械学習プログラミングスキルを身に付けたいという初学者
- AIプログラミングスクールや専門学校に進学しようか考えているが、独学で勉強できる方法を知りたいという方
より詳細な内容を知りたい方は前回書いた記事もご確認ください
対象ではない方
- 既に業務でデータ解析している方
- ディープラーニングを使ったWebアプリなどを作りたいと考えている方
- ディープラーニングの資格試験の勉強方法
- 機械学習エンジニアを目指していない方
- そもそも内容的に興味がない方
などなどは対象としておりません。
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
人気の書籍ですので、読まれている方の中でも知っている方多いかと思います。
ニューラルネットワークをpythonで実装しながら仕組みが学べます。
後半、ディープラーニング(CNN)も実装します。
TensorFlowやKerasなどのフレームワークを普段使っているが、ディープラーニングの仕組みがわかっていない方には必ず読んでおきたい書籍です。
また数学の知識が必要になりますが、書籍内でも簡単には触れています。
2. ゼロから作るDeep Learning ❷ ―自然言語処理編
先ほど紹介したゼロから作るの続編です。
自然言語処理の内容で、word2vecやRNN/LSTMの分野をpythonのライブラリを使っている方で仕組みを理解したい方は是非読んでおきたい書籍です。
こちらも、数学の知識が必要になります。
3. 直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ
ディープラーニングライブラリKerasを使ってプログラムを実装していきます。
数式が多少出てきますが、大半がpythonのプログラムなので、数学力が
なくても読み進められます。
CNN、GAN、RNN、LSTM、Q-learningなどの範囲を扱っています。
4. 人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)
AIってなに？ディープラーニングってなに？って方向けの書籍で、人工知能の歴史も踏まえて知りたい方にオススメの書籍です。
あとで紹介します、G検定公式テキストと合わせて読むとより理解が深まります。
人工知能や機械学習、ディープラーニングの概論を知りたい方は是非ご一読ください。数学の知識不要で読み進められます。
5. Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
機械学習プログラミングを始めたい方にオススメの書籍です。
scikit-learnを使って進めていきますが、数学の知識はなくても読み進められます。ですが、pythonの文法基礎、numpy、matplotlibなどの機械学習プログラミングでよく使うライブラリの基礎もある程度知っているとスムーズに理解できるかと思います。
6. scikit-learnとTensorFlowによる実践機械学習
数学の知識必要で、内容もかなり充実しています。
大変オススメの一冊で、理論と実装を体系立てて身に付けられます。
全て読むのはなかなか重いですが、機械学習エンジニアを目指されているのであれば本書の内容は是非理解して欲しいです。
7. スラスラ読める Pythonふりがなプログラミング (ふりがなプログラミングシリーズ)
ここまで簡単にPythonの解説をしている本はなかなかないと思うほど初学者に優しいです。ただ優しすぎるため、この書籍を終えたらPythonで何か高度なことはできませんが全くのプログラミング初心者にはオススメの1冊です。数学の知識不要です。
8. PythonとKerasによるディープラーニング
ディープラーニングの日本語文献が少ない中、良い書籍です。
ある程度のPython文法スキルと機械学習の基礎スキルがない状態で読み進めると辛いかもしれませんので、Python文法スキルと、機械学習の基礎知識を身に付けた初心者が中級者になるために大変オススメの書籍です。
なんと言っても、著者が、Kerasの作者であるFrancois Cholletですので、大変良書です。
9. [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践 (impress top gear)
全くのPython初学者やscikit-learn、numpy、matplotlibを使っていない状態、かつ数学も苦手。。。と言った方が本書を買うと、数ページで閉じてしまう可能性がありますが、良書です。
また、第2版からは13章以降のKerasやTensorFlowを持ちいたCNN/RNNなどの範囲もカバーしていますので購入される場合は第2版をオススメします。
上記のPythonの内容の基礎と、機械学習に必要な数学の知識を身に付けてから読むのを推奨します。
10. 詳細! Python 3 入門ノート
全くのプログラミング初心者やPython初学者が読むと、人によっては少し難しく感じる場合もありますが、かなりわかりやすく書いています。
全くの初学者でもかなりわかりやすく書いてありますが、この書籍でも万が一挫折しそうであれば、上記で紹介した、スラスラ読める Pythonふりがなプログラミング (ふりがなプログラミングシリーズ)を先に読み進めるのもありです。
ですが、この1冊でPythonの入門は可能です。数学の知識不要です。
+α
最近発売された書籍でオススメのディープラーニングの書籍2冊をご紹介します。
11. 深層学習教科書 ディープラーニング G検定(ジェネラリスト) 公式テキスト
ディープラーニング G検定の資格を受験しない場合でもオススメの書籍です。
先ほど紹介した『人工知能は人間を超えるか』の次にでも読みたいオススメの書籍です。
人工知能の概論からディープラーニングの基本などが学べます。
ただし、これを読んだからと言って、実装はできるわけではありませんので、この記事で紹介しているディープラーニングの書籍をご利用ください。
数学の知識不要です。
12. はじめてのディープラーニング -Pythonで学ぶニューラルネットワークとバックプロパゲーション
ゼロから作るディープラーニング(1)が大変人気で良書ですが、こちらの書籍をオススメする理由は、誤差逆伝播法の説明がよりわかりやすい点でオススメです。
ゼロから作るディープラーニングと同様に、1冊理解しようとすると、2週間〜1ヶ月近くかかる場合がほとんどですが、Deep Leraningの画像案件などに関わるのであれば是非とも内容は理解しておくと良いかと思います。数学の知識は必要ですが、本書内でも簡単に要点は学べます。
学習ロードマップ
本記事で紹介した書籍での学習ロードマップを書きます。
左の書籍(STEP1)から右の書籍(STEP4)まで順に読み進めてください。
またロードマップを4つ用意しておりますので、ご自身の状況にマッチしたものを選びください。
・ロードマップA
Python(プログラミング)も人工知能に関しても全くの未経験の方でディープラーニングまで学びたい方
・ロードマップB
PythonプログラミングはprogateやAI Academyなどを使って既に勉強されたことがある方で、ディープラーニングまで学びたい方
・ロードマップC
PythonプログラミングはprogateやAI Academyなどを使って既に勉強されたことがある方で、重点的に統計的な機械学習プログラミングのスキルを高めたい方
・ロードマップD
Pythonプログラミングも大学数学も基本的なところはわかっており、将来AIエンジニアとして理論と実装スキルをしっかりと身に付けたい。
おまけ
下記書籍の、『パターン認識と機械学習 上・下』や『統計的学習の基礎』はかなり有名ですが、全くの機械学習初学者がいきなり手をつけると、辛いです。
ですが、良書ですので、中級者向けにおまけとして紹介します。
（中級者向けの方々は既にご存知かと思いますが、一応。）
また、この記事を見られ、上記10冊の内容を既に読まれており、問題なく読み進められるようでしたら是非チャレンジしてみてください！
1. 画像認識 (機械学習プロフェッショナルシリーズ)
機械学習プロフェッショナルシリーズの書籍は読んでおきたい書籍が数冊ありますが、その中でも画像認識領域を扱う場合には是非とも読んで起きたい書籍です。
ですが、数学の知識(偏微分、行列演算など)がある程度必要となります。
2. 統計的学習の基礎 ―データマイニング・推論・予測
大変良書なのですが、高価です。
xgboostやディープラーニング等は紹介されておりませんが、
回帰や分類などの基本的な部分からグラフィカルモデルまで網羅されていますので、オススメです。
目次はこちらをご確認ください。
3. パターン認識と機械学習 上
機械学習の定番の教科書ですが、読み応えMAXです。
4. パターン認識と機械学習 下 (ベイズ理論による統計的予測)
機械学習の定番の教科書ですが、読み応えMAXです。
上の続きで、上を読んでから読むのが良いかと思います。
5. 機械学習 ─データを読み解くアルゴリズムの技法
7000円と少々高いですが、概念学習などの論理モデルやROCなどにについても丁寧に解説してありオススメです。
まとめ
今回は、書籍12冊と+α書籍を紹介し、前回同様に（4パターンの）学習ロードマップも記述しました。
最近はディープラーニングの書籍が一気に増え、書籍を買う側もどれを買えばいいのかわからず、実際書店で見ようと思っても、多すぎて困ってしまうかと思います。
そんな時にこの記事が少しでも多くの方々の役に立てれば幸いです。
