コンピュータサイエンスの論文を毎日紹介するブログ the morning paper

タイトルの通り、コンピュータサイエンス関連の論文を毎日(平日)紹介するブログを見つけた。
the morning paper

基本的に論文のメインとなるところを抜粋しつつ意見を書いているので、アカデミックばりばりでは無いけどもアカデミックな世界でどのようなトレンドがあるのかを押さえておきたいエンジニアに最適だと思う。

一つ一つの記事の分量は少ないので、英語の練習にも使えると思う。
こういった紹介ブログで概要を把握してからの方が、論文も読みやすいのでかなりオススメできる。

Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems を読んだ

前回に引き続き、機械学習関係の本を読んだ。

2つのパートに分かれている本で、前半はScikit-learnを使って線形回帰、SVM、決定木、ランダムフォレストなどの手法が書かれている。
後半のパートはニューラルネットワークとDeep LearningについてをTensorflowで学ぶ形になっている。
Deep Learningの内容はCNN, RNN, Autoencoder, 強化学習、などを2015年くらいまでの論文を参照しながら書かれていてとても参考になった。
そのうちきっと翻訳が出ると思うが、そのころにはこの分野はかなり進んでしまっているかと思うので、読みやすい英語版を今のうちに読んでみることをお勧めする。

それにしても、Scikit-learnとTensorflowはとてもよく出来たフレームワークで、機械学習に挑戦するには良い時代だなぁとつくづく思わされた。

An Introduction to Statistical Learning を読んだ

機械学習について勉強しているのですが、基礎を固めるのに何か一冊良さそうな本を探して、以下の本が評判が良かったので読んでみた。

結論から言うと、これはものすごく分かりやすい。
数学的な内容が多いのだが、説明が上手く、なおかつ詳細は深く追わないという著者の姿勢によって、統計的学習に必要な手法がざっくりどのようなことをしていて、どういう風に使えば良いかが理解できる。

また、Youtubeには著者による解説動画もあるので、本を読んでわからなかった部分を復習するのにとても役立った。
ちなみにPDF版が著者のページに公開されているので、やる気さえあればタダで勉強できます。
(私は無料だと結局やらないので、物理本を買って常に近くに置いておくことでプレッシャーをかけて読み終えました)

通称カステラ本をいきなり読む前にこちらで概要を理解してからの方が、初心者には易しいかと思います。
オススメです。