Udemy 【キカガク流人工知能・機械学習 脱ブラックボックス講座初級編】+ DLLAB Academy: Chainerで学ぶ深層学習入門(東京)受講した感想
DLLAB Academy: Chainerで学ぶ深層学習入門(東京)(2018/3/13 15:00~18:00)に参加してきました。無料で3時間DLABという会社のセミナーを受けることができて、申し込みはconpassというIT勉強支援会プラットフォームから申し込みました。またこの講座を受けるにあたって推薦資料のUdemy 【キカガク流人工知能】 1400¥も受講してました。
初めてこうゆう勉強会に参加したけどほぼほぼ、社会人しかおらずちょっとビビった。
この講座の流れは
機械学習についての大まかな説明→ニューラルネットワークや重みについて手計算
→pythonの操作方法→データを読み込んでChainerを使ったワインの種類の分類についての実装
という感じでした。ニューラルネットワークの重みの計算や考えについては分かりやすかったんですが、Chainerの実装のところだと、さすが3時間しかないので時間の関係でコードをコピペして実装するですが、ここら辺からいまいちわからなくなった。
とはいえ、無料でニューラルネットワークの重みの計算(手計算とchainer両方)をやったり、chainerでのワインの分類実装をやれたり、面白かった。
また推薦資料のUdemy 【キカガク流人工知能】もこのセミナーを受講する前に勉強しました。このUdemyの講座はとても分かりやすくて、回帰分析やデータの中心化について説明してくれます。ただ、文系の人でも理解できるようにするためなんでしょうけど、中学や高校レベルの数学も解説しててそこは飛ばしました。この講座は文系の人でもわかるだろうし、理系の人でもデータの中心化や回帰分析をpythonでやってくれるので値段1400¥の元は取れると思います。
Amit Saha 【Pythonからはじめる数学入門】
みんなのpythonを読み終えた後に読んだ本がオライリー出版の
Pythonからはじめる数学入門です。
高校数学・物理で解くような問題をPythonを使って解く というのがこの本のコンセプトだと思われます。
ざっとやること
・高校物理でやるような簡単な問題(投射運動・万有引力)のグラフをmatplotlibで描く
・統計量の計算及びグラフの図示(平均、中央値、最頻値)
・sympy使って二次方程式の解を解く
・サイコロ投げのシミュレーション
・matplotlibで幾何図形を描く
・極限の簡単な計算
だいたいこんな感じ。プログラミングのレベル自体は初心者向けで、みんなのPython読み終えた人なら余裕でできるレベル。高校の定期テストで出てきそうな簡単な物理学、高校で習った数学や物理の問題がPythonを使って解けたので、結構感動しました。
また高校数学を逸脱しているところも見られて(3章 相関の計算)、(幾何図形フラクタルの理論)ここら辺は背景の理論が分からなかったので、自分もやっててつまんなかった。
読み物としても十分おもしろかったですし、
みんなのPythonを読み終えた後、何かプログラミングの練習したい人
python初心者でmatplotlibやSympyなんかを勉強したい人
とてもおススメです。文系の人だとちょっとわかりずらい部分はあると思いますが、ほぼほぼ高校で習う分野だし、コードのレベル自体は低いので十分やれると思います。
注意点
・Windows10だとグラフや分数の出力が微妙に違う
・P25問題1-4で書かれているコードのformatのところが少しおかしい(見てもらえれば分かると思います)
・P106 series = x 以下のインデントの位置が上がりすぎてる。
・正誤表が以下の著者のサイトに載っているが日本語版と英語版ではページ数にずれがみられる。
https://doingmathwithpython.github.io/pages/programs.html
でも、これらの欠点を差し引いても十分良書だと思います。(amazonや読書メーターの評価も高評価)
柴田淳【みんなのpython】よんだ感想
だいぶ前に読んだ本ですが感想を書きたいと思います。pythonスタートブックを読んだ後読み始めた本が柴田淳【みんなのpython】です。python書学者向けの本でかなり分かりやすい割に、アマゾンの評価は【★★★★☆】になってますね。【★★★★★】でもいいと思うんですが評価がすこし低くなっている理由はこの本に書かれているコードの至る処にガルパンというアニメネタがぶっこまれているせいだと思います。アニメネタはまあ良いんですけど、
結果として変数の名前が 分かりにくい+長い→スペルミスのエラーが誘発されやすくなるとこが残念。
でもanacondaやjupyter notebookについても触れているしpython3.0系を扱っているのでpythonスタートブックより全然良書だと思いました!とてもおすすめ。
誤植表が
https://coreblog.org/ats/stuff/minpy_support/errata_4th/
このサイトに載っています。
ただ、この誤植表に載ってはいないんですけど、
P73の熊本市の平均気温を1920年と2000年で比較してみましょう と文章で書かれていますが、
実際に比べているのは1930年と2000年を比べていることになっていると思うのですが…
どうなんだろう。
高橋信 【マンガでわかる統計学】 読んだ感想
小島寛之 【完全独習 統計学】の本の中で マンガでわかる統計学が推薦されていたので試しに読んでみました。結構良かった。【完全独習 統計学】の方では取り扱われていなかった2変数の時の相関に関する話や単相関係数、相関比、クラメールの連関係数などについて軽く説明してくれています。
ただし、数式がなぜそうなるのか という部分がほとんどスルーされているので理論的な部分は他の本で補う必要があるみたいです。
一番びっくりしたのが読みやすさ。時間さえ取れれば1日もかからずに読めだろうなって感じ。私もどちらかと言えば初心者ですが、5時間もかからずに読めたので統計を始めて勉強する人におすすめなんだろうなと思いました。
逆に統計の理論的な部分を知りたい人にとっては役に立たない本です。
金谷健一 【これなら分かる最適化数学】読んだ感想
色々調べたところ機械学習の分野の数学を勉強するにはこの本が良いとのことで読んでみました、著金谷健一 の【これなら分かる最適化数学】。1章は微積と線形に関する基礎的な部分の説明→固有値からの楕円の回転に繋がる話。また偏微分やらgradは当たりのように出てきます。2章は微積のラグランジェ乗数やらヘッセ行列が出てきます。院試対策でラグランジェ乗数あたりも勉強したはずが、もう忘れかけててうわってなりました。ヘッセ行列なんか知らんがな。3章以降からは本格的に最適化(ニュートン法、最小二乗法etc..)の話が始まってきます。5章以降からは結構難しかったです。
結論から言ってこの本を完璧に理解するのは理系の学生でも結構難しいと思います(自分も理解できないところはたくさんありました)。
ベクトル解析: grad
ここらへんはふつーに出てくるので最低限、これらのフレーズは聞いたことある人じゃないときついと思います。特に5章の統計的最適化は完全に置いていかれました。 確率統計、ベイズ統計あたりをしっかりやらないと理解できないっぽい。ただし、全体的に例題が多く、また理解が難しいところもたくさん注釈がついていて理解がはかどった。ベイズ統計学を勉強して又読み直したい。
理系の学生で機械学習の分野の数学を勉強するにはすごくおすすめの本らしいですが、線形代数、微積また5章に関しては統計学に関する知識が薄いと、かなりきついと思います。 1周するのにそこそこ時間がかかった。