DeepLearning初学者にこれだけはやってほしい教材8選

機械学習（ML)　深層学習（DL)初学者にこれだけは見てほしいという教材をまとめました！

対象とするのは - 書籍 - オンライン学習教材 - 発表スライド

各教材を次の４つに分けて紹介する。あくまで初学者向けの内容をあつかう。最先端の分野よりもこれまでの歴史や基礎を学べること、議論のスタートラインに立てるようになることを重視する。どれか適当に読んでおくと誰かに質問するにしても捗る。 - 読み物 - 機械学習 - DL 画像 - DL 自然言語

---

読み物

あまり真に受けないほうがいいが、読みやすくおもしろいので暇ならば読んでみても良い

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

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)

東大の松尾先生は日本で知らないともぐりなので読んでおいても良い、内容はおぼえていない。縦書き。

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質

最強の将棋AIポナンザ開発者の山本さんの本。一般の人にちゃんと機械学習のことをわかってほしいという熱意を感じる内容。好き嫌いがはっきりしそうな内容だが僕は好き。ブログも短くておもしろいのでおすすめ。https://note.mu/issei_y

---

機械学習

Coursera Machine Learning by Andrew Ng

https://www.coursera.org/learn/machine-learning/

Stanford の Andrew Ng の機械学習のオンラインコース。ちゃんとやると３ヶ月くらいかかるが基礎力はつくらしい。僕はやっていない。プログラミングする宿題もある。スマホで動画を通勤中に見て宿題は家でやるとかもできそう。やるきがあれば。

Google Machine Learning Crash Course

https://developers.google.com/machine-learning/crash-course/

Google の社内向けのオンライン教材だったものを公開したらしい、１５時間位で終わる。さらっと週末やって見るにはおすすめ。

パターン認識と機械学習

パターン認識と機械学習 上

Pattern Recognition and Machine Learning 通称PRML　の日本語版。機械学習の教典てきな立ち位置の教科書。分厚いがちゃんとやれば力になるだろう。英語版は無料でPDF配布されているらしい。おすすめされがちな本だが、内容的にはかなり重たいのでうかつに始めないほうが良い。

[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)

[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)

タイトルはちょろそうだが、だれかが結構いいと言っていた。よんだことはない。

一から始める機械学習（機械学習概要）

https://qiita.com/taki_tflare/items/42a40119d3d8e622edd2

qiita 記事　うまくまとまっていそう。

---

DL全般

イラストで学ぶ ディープラーニング 改訂第2版 (KS情報科学専門書)

イラストで学ぶ ディープラーニング 改訂第2版 (KS情報科学専門書)

中部大山下先生が書いたDLのサーベイ本。イラストや図がとにかく多くちょっと読んだだけで完全にDLを理解した気分になれる。全体の俯瞰や歴史を知れるので未読ならおすすめ。

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)

東北大岡谷先生の書籍。DLが流行し始めた頃の本。むつかしくなく薄いのでイラストの次に読んでもいいかも。

---

DL 画像

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

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

超オススメ 画像CNNの基礎はこれをちゃんとやればいいと思う。これを週末にやってから聞きに来てほしい。読むだけではなく必ずコードも書いて動かすこと。 もう一度いうがエンジニアならばまずこれを全部やってほしいくらいおすすめ。基礎と書いてあって基礎ではない本や、とりあえずライブラリを動かすサンプルばかり書いてある本とは違う。

物体認識のための畳み込みニューラルネットワークの研究動向

http://mprg.jp/tutorials/prmu2017-105

中部大山下先生のサーベイ論文。これまでのアルゴを俯瞰して日本語で解説しているので、非常にわかりやすい。

---

DL 自然言語

ゼロから作るDeep Learning ❷ ―自然言語処理編

ゼロから作るDeep Learning ? ―自然言語処理編

ゼロから作るの自然言語処理版。画像しかやらないなら必要ないが、自然言語処理に興味があるなら読んでおいて間違いない。

---

その他

入門 Python 3

入門 Python 3

python はDLではほぼ必須科目なのではじめての人はこれを持っておくと良い。網羅的に書かれているのでちょっと重い。辞書的に使うといい。

Pythonによるデータ分析入門 第2版 ―NumPy、pandasを使ったデータ処理

Pythonによるデータ分析入門 第2版 ―NumPy、pandasを使ったデータ処理

python でデータ分析しているとかならず登場する　有名ライブラリpandas と　matplotlib の使い方本 ふつうにおすすめ。

Kaggle

https://www.kaggle.com/

データ分析、機械学習の世界最大のコンペサイト。実践練習はここでやればよし。 ぐぐったら大量に日本語情報も出てくる。日本のslackコミュニティもあるので興味あれば加入すべし。 https://kaggler-ja.herokuapp.com/

Takami Sato youtube チャンネル

https://www.youtube.com/channel/UCiECS_auJLNpFsvjTi1WuxQ

数少ない kaggle の実践動画　見ているだけでできるようになった気がする。 ちなみにkaggle日本スラックグループを作った人

Leet Code

https://leetcode.com/

アルゴリズムやデータ構造に関する問題を解いて、オンラインジャッジまでできるサイト. Google, Facebook, Microsoftをはじめとした、世界トップレベルのIT企業のエンジニアの面接で実際に使用された過去問がたくさん掲載されている。 ”プログラミングやってみたいんです”っていう人はとりあえずこれを５０問くらいやったらいいと思う。