非情報系の学生がゼロから機械学習系の研究をするために勉強した書籍紹介（人工知能編）
人工知能関連に関してはたくさんの書籍や資料があり、新しく勉強しはじめる人からするとどれから手を付けて良いか判断が難しいと思います。
この記事では、今後新しい技術が出てきたときにも対応できるような基礎が身につく書籍に絞って紹介していきます。
今回紹介する書籍（資料・サイト）の位置づけ。
- PC・サーバ・インフラ
- プログラミング関連
- 人工知能関連（今回の記事）
この記事では、機械学習・深層学習・強化学習の3つに分けて書籍を紹介していこうと思います。
書籍を選んだ基準としては、パッケージの使い方ではなくその中身であるアルゴリズムをきちんと学べるものにしています。
一度ではなかなか理解しきれないとは思いますが、何回も読み直す価値のある書籍たちですのでぜひ頑張ってみてください。
目次
機械学習
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
「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」は機械学習の仕組みと使い方に関してバランスの取れた書籍です。
原著が世界各国で翻訳されてるだけあり、きちんと機械学習を勉強する際にはまずこの書籍をやるのをおすすめします。
ただし初学者にとっては難しいと感じるかもしれないので、その場合は次に紹介する機械学習図鑑で雰囲気を把握してからこの書籍に入るとスムーズかもしれません。
見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑
「見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑」は機械学習のアルゴリズムの雰囲気を理解するのにはとても良い本になります。
よく使われる機械学習アルゴリズムが数ページで図解＋プログラムで解説されているので、導入には最適かなと思います。
深層学習
深層学習をはじめて勉強するならゼロから作るDeep Learningシリーズからはじめるのが一番良いと思います。
TensorflowやPytorchなどのパッケージを利用せず、Numpyなどを利用してきちんと深層学習の背景にあるアルゴリズムを理解できるように構成されています。
深層学習を使うならこれらの書籍は写経しながら勉強することをおすすめします。
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」は深層学習の勉強の第一歩になる書籍です。
ニューラルネットワークの基礎について１から丁寧に解説されています。
他の書籍は必要に応じて勉強するのでもよいですが、この書籍はまず勉強しておくことをおすすめします。
ゼロから作るDeep Learning ❷ ―自然言語処理編
「ゼロから作るDeep Learning ❷ ―自然言語処理編」はこのゼロから作るDeep Learningシリーズの第二弾として自然言語処理を扱ったものになります。
Word2VecからAttentionに至るまで、最新の技術を理解していくのに必須の重要なコンセプトを仕組みから勉強できます。
ゼロから作るDeep Learning ❸ ―フレームワーク編
「ゼロから作るDeep Learning ❸ ―フレームワーク編」は深層学習パッケージを自作していくのを目指した書籍です。
PytorchやTensorflowなどがどのように開発されているかコアの部分を勉強したい人にはもちろんのこと、深層学習関係なくフレームワークを自作したい人にとっても良い参考書になると思います。
研究成果として開発したプログラムを公開するような人は、この書籍はぜひ勉強した上で開発をすすめると良いかなと思います。
強化学習
ゼロから作るDeep Learning ❹ ―強化学習編
「ゼロから作るDeep Learning ❹ ―強化学習編」はゼロから作るDeep Learningシリーズの強化学習を扱ったものになります。
強化学習を扱った書籍はまだあまり多くないので、とりあえず勉強したいという人はやはりこの書籍から勉強すると他の書籍も理解しやすくなると思います。
強化学習（第2版）
「強化学習（第2版）」は強化学習の名著といえる書籍になります。
強化学習の考え方とアルゴリズムをより詳細に理解したい人はこの書籍を勉強すると良いと思います。
おわりに
人工知能について勉強する際に個人的に必読と思っている書籍について紹介してきました。
執筆時点の2022年では、人工知能のアルゴリズムを利用するだけであればPythonであれば数行で実践できるようになってしまってます。
簡単に使えるようになってしまってますが、理論を知らずに使ってしまっては誤った結果を導いたり結果の解釈をしてしまう恐れがあります。
そのようなことにならないよう、最低限利用するアルゴリズムに関しては理論背景を理解した上で使うことを強くおすすめします。
非情報系の学生がゼロから機械学習系の研究をするために勉強した書籍紹介（人工知能編）
https://sishida21.github.io/2023/01/10/recommend-books-machine-learning/