Pythonを勉強したので、次はAI(人工知能)開発を行ってみたい!
という方におすすめの参考書を紹介します。
AIに用いられる機械学習やディープラーニングの理論を確りと理解にするには高度な数学の知識が必要になります。
しかし、高度な数学が理解出来なければAI開発が出来ない、という訳ではありません。
機械学習やディープラーニングの概要をザックリと理解して、Pythonのライブラリを使いこなせればAI開発は出来ます。
PythonでAI開発を行うための参考書はたくさん出版されていますが、どれを選べばいいの?と悩む方は多いかもしれません。
AI開発を初めて行う人は、いきなり本格的な参考書を読むよりも、まずは確りとAI開発のイメージをつかめる参考書を読んで、徐々に慣れていく方が良いと思います。
そこで、本格的な書籍を読む前に是非読んでおきたい、AI開発初心者向けのおすすめ参考書を紹介します。
いちばんやさしいPython機械学習の教本
Pythonで機械学習を行うための環境構築、データ収集(スクレイピング)、データの前処理、自然言語処理(文章生成)、手書き文字認識、回帰分析のプログラムを作成して機械学習について学びます。
難しい数式は出てこないですが、Pythonでプログラミングをして機械学習プログラミングの基礎を体験することで、機械学習の概要をつかむことができます。
まずは機械学習の概要を理解したい、プログラムを作って動かしてみたい!という方におすすめです。
Pythonで機械学習入門 深層学習から敵対生成ネットワークまで
ストーリー仕立てで、機械学習とPythonでの実装方法を解説しています。
Pythonの機械学習ライブラリとして最もメジャーなライブラリScikit-learnを使った機械学習プログラミングや、ニューラルネットワーク、近年注目されている敵対的生成ネットワーク(GAN)についても解説しています。
勿論、複雑な数式は出てこないです。しかし、確りと機械学習やディープラーニングの概要を掴むことが出来る良書です。
ファンタージ仕立てのストーリに沿って解説しており簡単そうに見えますが、機械学習やディープラーニングの概念をしっかりと説明している入門書です。
スッキリわかるPythonによる機械学習入門
「機械学習の概要を学びプログラムをして体験してみる」いうところからもう一歩踏み込んだ内容を学びます。
LassoやRidge、RandomForestといった機械学習でよく出てくる教師あり学習手法を用いた予測モデルの作成や、K分割交差検証や、欠損値の処理方法、主成分分析を用いた次元削減等、実務で使用する実践的な方法を学べます。
実用的な内容を含みますが、非常に丁寧な説明なので機械学習初心者でも確りと学べます。
演習問題もあるので理解度を確認をし、理解を深めるのに役立ちます。
ちょっと機械学習に触れてみるだけでなく、より実践的なスキルを学びたいという人にオススメです。
本格的な機械学習を学ぶ前の1冊としても良いでしょう。
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
原著者は最も有名なPythonの機械学習用ライブラリscikit-learnの開発に携わっている人であり、scikit-learnの本格的な入門書です。
scikit-learnを使った実践的な機械学習方法をしっかりと学べます。数学的な知識がなくても理解できるように書かれています。
基礎的な機械学習アルゴリズムの解説から特徴量エンジニアリングや機械学習モデルの改良方法など、開発現場でに必要になる実践的な手法が記載されています。
数学的知識がなくても背景理論がわかるように書かれており、かつ、実践的なプログラミング方法も書かれているので、今後、機会学習を本格的に行いたい人は手元に持って置きたい1冊です。
ただし、ディープラーニングについては少し記載が少ないですのでご注意ください。
Pythonによる機械学習入門
scikit-learnを使った実践的な機械学習プログラミングを学ぶことが出来ます。
本の前半は基礎編となっており、分類問題、回帰問題やクラスタリングに用いる代表的な手法が説明と実装方法が説明されています。
後半は実践編となっており、画像による手形分類を行います。この中で、データクレンジングやパラメータチューング等を行い機械学習モデルの改良を行っていきます。
理論的説明は少ないですが、実際のコードを書きながら、実践的なスキルが身につくようになっています。
Pythonの説明が少し少ない印象なので、Pythonの超初心者には少しハードルが高いかもしれませんので、Pythonを少し勉強したあとに読んで見ると良いでしょう。
ゼロから作るDeep Learning
超初心者向けではないですが、ディープラーニングの原理について勉強したい方は、この本がオススメです。
外部のディープラーニングライブラリに頼らずに、ゼロからディープラーニングを作り、ディープラーニングの原理をしっかりと学べます。
本書を読みすすめるには少し数学の知識(高校レベル)が必要にはなりますが、難しい数式が沢山出てくるわけではありません。
文字だけでなく図も交えながらわかりやすく丁寧に説明されているので、ディープラーニングに興味がある人は読んでみると良いでしょう。