M1で勉強した本の振り返り
最終更新日: 2020年10月6日10月になりM1（修士1年）も終わってしまった1ので、M1の間に勉強した本でも振り返っていこうと思います。割とベイズ・機械学習の基本的な事項は勉強できたかな〜と思っています（願望）。おすすめ度は完全に趣味ですね。
パターン認識と機械学習（上）
おすすめ度：★★★
通称「PRML」っていうやつですねー。上巻は回帰・分類まで体系的に学習できたので良い勉強になりました。ベイズは不確定性を推定するって言いたくなる本。
 
|
パターン認識と機械学習 上
C.M. ビショップ (著), 元田 浩 (監訳), 栗田 多喜夫 (監訳), 樋口 知之 (監訳), 松本 裕治 (監訳), 村田 昇 (監訳), 丸善出版 (2012/4/5)
|
深層学習 Deep Learning
おすすめ度：★☆☆
基本的なニューラルネットワークから始まったと思ったら、ボルツマンマシンに繋がるのが面白いです。画像や音声・自然言語それぞれでドメイン知識的な方法が詳しく書いてあり勉強になります。ちょっと広すぎる気もしますが…。
 
|
深層学習 Deep Learning
麻生 英樹 (著), 安田 宗樹 (著), 前田 新一 (著), 岡野原 大輔 (著), 岡谷 貴之 (著), 久保 陽太郎 (著), ボレガラ ダヌシカ (著), 神嶌 敏弘 (編集), 人工知能学会 (監修) , 近代科学社 (2015/11/5)
|
最適化手法入門（データサイエンス入門シリーズ）
おすすめ度：★☆☆
最適化の理論が網羅的にまとまっています。コードは最適化ライブラリを使ってるのでほぼ読んでない…。
 
|
最適化手法入門 (データサイエンス入門シリーズ)
寒野 善博 (著), 駒木 文保 (編集), 講談社 (2019/8/31)
|
つくりながら学ぶ! PyTorchによる発展ディープラーニング
おすすめ度：★★★
Pytorchの基本的な使い方とモデルの組み方はこの本で学習できます。Jupyterノートブックが公開されているので、コードを簡単に動かしながら、いろいろな最先端のモデルを学習させて推論させる体験ができました。すごい。
 
|
つくりながら学ぶ! PyTorchによる発展ディープラーニング
小川雄太郎 (著), マイナビ出版 (2019/7/29)
|
ベイズ深層学習
おすすめ度：★★★
ベイズが分かった気（Lv1）になれました。深層学習はおまけですね。ベイズ推定について、MCMCなどのサンプリング方法や、変分推定などの最適化方法が分かりやすくまとまっていました。VAE（変分オートエンコーダー）の部分がめちゃくちゃおもしろい！
 
|
ベイズ深層学習 (機械学習プロフェッショナルシリーズ)
須山 敦志 (著), 講談社 (2019/8/8)
|
ガウス過程と機械学習
おすすめ度：★☆☆
ガウス過程の凄さと問題点といった感じの本です。ガウス過程使いこなせるようになりてぇ…。
 
|
ガウス過程と機械学習 (機械学習プロフェッショナルシリーズ)
持橋 大地 (著), 大羽 成征 (著), 講談社 (2019/3/9)
|
Statistical Analysis of fMRI Data
おすすめ度：★★★
fMRI解析の基礎から応用までバッチシまとまっていて新しいとかいう最高の教科書（当社比）。英語も簡単で英弱にはありがたい。本音を言えばもっと早く見つけたかった。当ブログでも内容を簡単にまとめているのでぜひ（fMRI解析の基礎）。
 
|
Statistical Analysis of fMRI Data, second edition
Ashby, F. G. (2019). MIT press.
|
岩波データサイエンス Vol.3 [特集] 因果推論
おすすめ度：★★☆
因果推論が特集されていて、初心者には役立ちました。重回帰の因果推論とかfMRIのGLMでも使ってますし、観察データの扱いについて勉強になりました。
 
|
岩波データサイエンス Vol．3
岩波データサイエンス刊行委員会 (著), 岩波書店 (2016/6/9)
|
ベイズ統計の理論と方法
おすすめ度：★★★
通称「渡辺ベイズ」っていうやつです。情報量基準を中心に統計的学習の性質が明快に書かれています。ベイズが分かった気（Lv2）になれたような気がします。数学的に追いつかないことが多くてたくさん躓きましたが、とても力になる本だと思います。あと、各章末にある「質問と回答」がためになりすぎるので注意です。
 
|
ベイズ統計の理論と方法
渡辺 澄夫 (著), コロナ社 (2012/3/1)
|
医師・医学生のための人工知能入門
おすすめ度：★☆☆
第3次人工知能ブーム迄に至る深層学習の歴史だけでなく、脳や神経系との類似性といった観点まで網羅していてハマれば面白い本でした。自由エネルギー原理まで紹介されているのはすごい…。
 
|
医師・医学生のための人工知能入門
北澤 茂 (著), 中外医学社 (2020/5/15)
|
データ分析のための数理モデル入門
おすすめ度：★☆☆
数理モデリングとは何か、といった観点でまとめられた本。フルカラーで丁寧に脚注も付いているので分かりやすい。今までの数理モデルに対する観点が合ってて良かったなあという気持ちになりました。
 
|
データ分析のための数理モデル入門 本質をとらえた分析のために
江崎貴裕 (著), ソシム (2020/5/13)
|
線形代数セミナー：射影、特異値分解、一般逆行列
おすすめ度：★☆☆
射影を中心に特異値分解や逆行列の基礎と応用を工学的に説明した本。薄くてすぐ読めるのでよかったです。
 
|
線形代数セミナー: 射影,特異値分解,一般逆行列
金谷 健一 (著), 共立出版 (2018/7/28)
|
心を知るための人工知能：認知科学としての記号創発ロボティクス
おすすめ度：★★☆
記号システムについてとても勉強になりました。今まで読んできた意味処理論の背景が明快になってよかったです。
 
|
心を知るための人工知能: 認知科学としての記号創発ロボティクス
谷口 忠大 (著), 共立出版 (2020/6/9)
|
脳神経科学がわかる、好きになる
おすすめ度：★★☆
簡略版「カンデル神経科学」と言った所。自分の分野では6章までで、カンデルに載ってる基礎的なことは網羅できる気がします。入門や復習にぴったり。
 
|
脳神経科学がわかる、好きになる
櫻井 武 (著), 羊土社 (2020/9/18)
|
初めてのSpark
おすすめ度：★☆☆
並列化処理にハマっていた時期に読んだ本。アウトオブコアな分散処理について学べたけど使うことはなかった…。Apache Spark 3.0 で GPU を利用した分散処理も強くなったみたいなので使ってみたい。Koalasっていうライブラリがpandas-likeでとっつきやすそうですね。
 
|
初めてのSpark
Holden Karau (著), Andy Konwinski (著), Patrick Wendell (著), Matei Zaharia (著), Sky株式会社 玉川竜司 (翻訳), オライリージャパン (2015/8/22)
|
M2もがんばるぞい
- 9月入学ナノダ。↩