AIや機械学習についての色々な本が出回っており、どの様な順番で勉強をすれば良いのか分からない。
レベルに分けて機械学習やAI関連の書籍で勉強をすれば良いのか教えてほしい。
この記事の想定読者
- Python・機械学習・AIに興味のある方
- Python・機械学習・AIを独学で勉強したい方
- Python・機械学習・AIの学習をこれから始める方
- 機械学習・AIエンジニアとして今後就職を考えている方
これまでに僕が学習してきた参考書籍の一部を紹介したツイートです。
今年4月のプログラミング経験0の状況からスタートしPython、統計学、数学の勉強を始めました。
— 産婦人科医とみー (@obgyntommy) November 10, 2019
基本キカガクさんの講座と、下の書籍でPython機械学習、深層学習を勉強してます。
これらの書籍は大体読み込み、どれも良本でオススメです😌
2カ月前に研究をガチで始めて、なんとか形になりそうです😌 pic.twitter.com/N5C2BvLIxZ
これらの書籍は半年間で何度も読み直して学習しました。
一度読んでも理解できない事が多く、学習した事をノートとJupyter notebookにまとめつつ、何度も書籍を読み直す事を繰り返し、得た知識を少しずつ追記していきました。
自己紹介
私は機械学習エンジニアとして会社に就職しているわけではなく、医師として人工知能の研究機関で研究をしています。
2019年6月より0の知識からPythonの学習を始めて、2020年2月現在ではAIを用いて画像解析の研究やデータサイエンスの研究を行なっています。
研究内容は具体的にはお伝えできませんが、現在はILSVRCの優勝モデルであるinceptionモジュールや2015年のILSVRCの優勝モデルであり効率的な深層学習を可能にするResidualモジュール、またこれらに基づき発展したInception-v4およびInception-ResNetなどを扱った研究をしています。
独学から書籍で機械学習・AIに関して知識を身につけたという点では、ある程度の記事の信頼性は担保できているのではないかと思います。
本記事では、多くの書籍が溢れている中で、機械学習・AI（ディープラニング）のアルゴリズム、また実務内容の把握、JDLA（日本ディープラーニング協会）のE検定、G検定を最短で習得できるために必要な書籍を、くまなく紹介させて頂きます。
では早速みていきましょう。
機械学習・AIの概要をつかむ為に読んでおくべき書籍
導入編|機械学習・AIの大まかな概要掴む為に読んでおくべき書籍
機械学習・AIの導入編として、まずは大まかに概要を把握しましょう。
導入編として読んでおくべき書籍は3冊あります。
機械学習・AIの概要を把握する為に読んでおくべき3冊
- その①：人工知能は人間を超えるか
- その②：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
- その③：わけがわかる機械学習 - 現実の問題を解くために、しくみを理解する
その①：人工知能は人間を超えるか
人工知能の第一人者である松尾豊氏が人工知能の現状と、これから来る未来について、詳細に解説している一冊です。
これまでにも人工知能ブームは来ており、現在は第3次人工知能ブームのまっただ中です。
これから人工知能を用いた技術によってどの様な未来がやってくるのかを、具体的にかつ詳細に記しており、これから人工知能に関わりたい方は、まず第一人者の人工知能に関する今後の展望を把握する必要しておく事をおすすめします。
そしてAI、機械学習に対する学習に対するモチベーションを上げましょう。
おすすめポイント
AI、機械学習の概論をツラツラ述べているだけの本ではなく、具体的にどの様なアルゴリズムによってどの様な未来が来るのかを予想しています。
また、人工知能でもたらされる人間への享受や、逆にデメリットについても専門的な内容をかみ砕いて解説している一冊です。
これから人工知能に関わる方にとっては必読本です。
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
この書籍は、今からAIや機械学習を勉強したいと思っていても、アルゴリズムの理解に挫折してしまった方向けになります。
複雑な機械学習アルゴリズムをオールカラーの図を用いて分かり易く解説しています。
各々のアルゴリズム毎に図解を用いてアルゴリズムを解説しているので、これから機械学習の概論を学びたい方や、既に機械学習を業務として使用されている方にも非常におすすめの書籍です。
おすすめポイント
この書籍は、難解な数学の知識はほぼ使用せずに、複雑な機械学習アルゴリズムの仕組みをオールカラーの分かり易い図で理解する事ができます。
扱っている内容は、 線形回帰、正則化、ロジスティック回帰、サポートベクトルマシン、サポートベクトルマシン（カーネル法）、ナイーブベイズ、ランダムフォレスト、ニューラルネットワーク、kNN、PCA、LSA、NMF、LDA、k-means、混合ガウス、LLE、t-SNE、とほぼ全てのジャンルを網羅しています。
また、上記のアルゴリズム毎にScikit-Learnを使用したコードも記載されており、実際に自分でコードを動かすことも可能です。
コードを動かす際の実際の注意点やポイントもまとまっています。
わけがわかる機械学習 ── 現実の問題を解くために、しくみを理解する
この書籍はAI、機械学習を現場で実際に活用する為に、理論を基礎固めする為に有益な書籍です。
実際に仕事の現場で、使用しているモデルやパラメータの意味が分からず業務を行っていると、機械学習のる考え方や基本的なモデルを理解していなければ、実務でもどのライブラリを使用すれば良いのか、分からない事が多いものです。
この書籍を読む事で、実務目線で必要な機械学習の理論の学習の基礎固めを行う事ができます。
おすすめポイント
機械学習をこれから勉強しようとしている人，機械学習を勉強してみたけど「なぜこんなことをするんだろう」というモヤモヤを抱えている人には，機械学習の理由（わけ）や理屈という「急がば回れ」はきっとよく効くと思います。【本文「はじめに」より引用】
転職を視野に読んでおくべき書籍
AI・機械学習エンジニアへの転職を考えている人のための本
AI・機械学習エンジニアへの転職を考えている方に向けて、より実務内容にまで踏み込んだ書籍を2冊紹介します。
AI・機械学習エンジニアの実務を把握するための書籍
- 機械学習エンジニアになりたい人のための本 AIを天職にする
- 図解即戦力 機械学習&ディープラーニングのしくみと技術がこれ1冊でしっかりわかる教科書
機械学習エンジニアになりたい人のための本 AIを天職にする
この書籍は「仕事編」と「実務編」の2部構成になっています。
「仕事編」では機械学習エンジニア志望の方に向けて機械学習エンジニアの業務内容、就職するための勉強方法、履歴書の記載の仕方を解説しています。
「実務編」では実務で使用酢るAIスキルや、現場実務におけるノウハウ、AI、機械学習エンジニアの事情について解説されています。
おすすめポイント
機械学習のスキルを磨くための書籍というよりかは、機械学習エンジニアとして今後活躍する事を希望されている方向けの「ノウハウ本」になります。
今後自分がどの様な業界で働くのかを、実際に転職された方のインタビューも含めて具体的に解説された良本です。
機械学習＆ディープラーニングの仕組みと技術がしっくりわかる教科書
この書籍は8章に分かれており、どの章もアルゴリズムを理解するために必要な内容になっています。
具体的な内容としては、人工知能の基礎知識、機械学習の基礎知識、機械学習のプロセスとコア技術、機械学習のアルゴリズム、ディープラーニングの基礎知識、ディープラーニングのプロセスとコア技術（誤差逆伝播法によるニューラルネットワークの学習やニューラルネットワークの最適化、勾配消失法、転移学習）、ディープラーニングのアルゴリズム、システム開発と開発環境、に分類されています。
数式をあまり用いず、AIエンジニアになるために必要な知識をなるべく機械学習やAIのアルゴリズムを理解するために解説した書籍です。
おすすめポイント
今後AI、機械学習エンジニアとして仕事をしていきたい方は、「機械学習エンジニアになりたい人のための本」を読む事で具体的な仕事のイメージを湧く事ができます。
AI・機械学習を学習し始めた方向けの書籍
数学の知識を学ぶための書籍
AI ・機械学習を勉強し始めた方にとっては、挫折する方の多くが「数学」です。
その様な数学における挫折予防に役に立つ書籍を2冊紹介します。
AI、機械学習に必要な数学の知識を学ぶための書籍
- 人工知能プログラミングのための数学が分かる本
- やさしく学ぶ機械学習を理解するための数学のきほん
人工知能プログラミングのための数学がわかる本
AIのためのプログラミングに必要な高校・大学数学を基礎から効率的に総復習をしたい方向けの書籍になります。
この書籍一冊で、人工知能に関する専門書を理解するために必要な数学の基礎力を身に付ける事ができます。
また、人工知能のアルゴリズムを理解し、数式の意味を理解することができます。
【基礎編】では人工知能に使われる数学理論に特化し、「数学の基礎」「微分」「線形代数」「確率・統計」に関する内容が扱われています。
【実践編】では実際に基礎編で学んだ数学の知識を使用して、人工知能アルゴリズムの問題に挑戦します。
例えば、有名な「住宅価格を予測モデルを作る問題」「自分の文章がどの文豪に近いか判定するモデルを作成する問題」「手書き文字を判別するモデルを作る問題」などの実践的なテーマに沿った人工知能モデルについて触れられています。
おすすめポイント
人工知能を学習したくても、数学に抵抗感があり、中々手を付けられなかった様な方向けの書籍になります。
この一冊で、高校数学から人工知能に関する専門書籍に必要な知識は一通り学習出来ます。
やさしく学ぶ 機械学習を理解するための数学のきほん
機械学習にこれから取り組んでみたい方、機械学習に興味はあるが、数式に抵抗がある方、まずはプログラムを動かしてみたい方向けの書籍です。
高校数学の基本的な内容もカバーできる様に構成されています。
チャプターは、回帰、分類、（作成したモデルの）評価、実装に分かれています。
内容としては「人工知能プログラミングのための数学が分かる本」とほぼほぼ同じ内容ですが、実装の際にコードに関する説明があまりないため、多少難しく感じる方もいるかもしれません。
ただし、対話形式なので、読んでいる分には苦がなく、とっつきやすさがあります。
「人工知能プログラミングのための数学が分かる本とセットで学習するとより理解が深まるかと思います。
おすすめポイント
ディープラーニングのアルゴリズムでどの様な数学の知識が使われているのかを、2人の登場人物（アヤノとミオ)の会話形式で進められています。
わりと難しい内容でもサクサク読む事が出来ます。初心者に読み易い一冊です。
AI・機械学習のアルゴリズムを学ぶ為に読んでおくべき書籍
入門編
AI・機械学習のアルゴリズムを学ぶ前に、Pythonの基本から理解しておく必要があります。
その様な方に向けておすすめの書籍を2冊紹介します。
AI、機械学習の入門編の書籍
- いちばんやさしいPython入門教室
- Python3入門ノート
いちばんやさしいPython入門教室
コードの読み書き、プログラミングがはじめての未経験者、スキルアップを目指す初級者向けの書籍となります。
プログラムの読み方、書き方、しくみ、動かし方を基本から理解し作りながら学べる内容になっています。
超初心者向けの書籍のため、「プログラムとは何か」という内容から、Pythonの始め方、プログラムを記載するときのルール、クラスとオブジェクトの違い程度にまで内容は限られています。
おすすめポイント
内容はそこまで難しくありません。絵やカラーイラストもふんだんに用いられており、今からAI・機械学習をの勉強をする為にPythonの抵抗をなくしたいという方には非常に有益な良本です。
Python3入門ノート
Pythonをこれから学びたい初心者から、基礎力を付けて実践したい方までが対象となります。
内容はPart1、Part2、Part3の3部構成に分かれており、各々以下の内容となっています。
【Part1】準備編として、Python3を実行する環境を整えるための解説がされています。具体的には、Numpy、Matplotlib、pandas、scikit-learnなどの機械学習には欠かす事の出来ないAnacondaの導入方法まで解説されています。
【Part2】Pythonプログラミングの基礎となるシンタックスを丁寧に詳細に解説しています。コードの書き方や、値と演算子、組み込み関数、モジュールの読み込み、そのほか関数オブジェクトやクラス定義が内容に含まれています。
【Part3】matplotlibの描写や、Numpyのはいれつにいて詳しく解説されています。最後に集大成として「手書き数字」「アヤメの計測データ」「ボストン住宅価格」 を使用して有名なKaggleにもある様な機械学習の課題をこなせる内容を解説しています。
おすすめポイント
初心者向けの書籍なので、わかりにくい箇所についてはカラーイラストを用いて図解を用いて説明されており、理解し易いです。
コードはとにかく細かく補足説明がされており、非常に丁寧な印象です。
初級者〜中級者編
脱入門者の方に向けて、初級者〜中級者の方向けの書籍を紹介します。
AI、機械学習の初級者〜中級者に向けの書籍
- ゼロから作るDeepLearning②（O'REILLY）
- Pythonで始める機械学習（O'REILLY）
- フリーライブラリで学ぶ機械学習入門
それでは各々について見ていきましょう。
ゼロから作るDeepLearning②（O'REILLY）
Python未経験者でディープラーニングまで学習したい方向けの書籍になります。
内容としては、Pythonを使用して知識が0の状態からディープラーニングが実装できる様に解説されている書籍です。
わりと実践的な内容まで踏み込まれて解説されており、自然言語処理や時系列データ処理に焦点を当てて、ディープラーニングを使ってさまざまな問題に挑みます。
word2vecやRNN（リカレントニューラルネットワーク）、LSTMやGRU、seq2seqやAttentionなど、ディープラーニングを支えるこれら最先端の技術を実装レベルでマスターできます。
おすすめポイント
この書籍のモットーは、知識が0の方が「やさしい言葉で分かりやすく」をモットーにしています。
高度に見える技術の裏側をじっくり説明し、実際に作ることで理解を深める事ができます。
Pythonで始める機械学習（O'REILLY）
この書籍は、機械学習を実践しようとしている機械学習エンジニア、または現に機械学習エンジニアの方向けの書籍になります。
入門書のため、機械学習や人工知能に関する前知識は必要なくても読了できる様になっています。
PythonやMumpy、matplotlibなどの前知識があればより理解しやすいですが、具体的な内容としては、Pythonとscikit-learnにfocusを絞って、機械学習アプリケーションを作成するためのステップを段階的に解説しています。
この書籍は機械学習を学習している方だけではなく、商用アプリケーションを扱うデータサイエンティストにとっても役に立ちます。
おすすめポイント
機械学習の基盤には数学が必須ですが、この書籍では本書を読むためにはあまり数学的知識がなくても読む事ができる様に設計されています。
そのため、機械学習アルゴリズムの実用てきな側面に注力して執筆されています。
機械学習アルゴリズムを0から作る様な方法は取り扱っておらず、どちらかというとscikit-learnなどのライブラリで実装されている様々なモデルを扱う方法に注力して記述されているので、非常に実践的な書籍です。
数学の知識がないけれども、機械学習の実装をまだやった事がなくscikit-learnを使用してみたい方に、もってこいの書籍です。
フリーライブラリで学ぶ機械学習入門
AI、機械学習には興味があっても、理論や実装が中々難しく、中々手を出しにくい経験のあった初心者の方向けの書籍になります。
具体的な内容としては、初心者向けに人工知能やAI、評判分析、画像認識など、初歩的な機械学習アルゴリズムや使い方を実際に体験しながら学ぶ入門書になります。
対象者が入門の方向けなので、なるべく平易な言葉で解説されています。
その上、実務で使用するイメージを持ってもらうためにもケーススタディやサンプルコードを通じて、初歩的な機械学習のアルゴリズムの使い方を体験できるように工夫されています。
元々は勉強会で主催していた内容の様ですが、非常に人気があったため書籍化されたという経緯も納得出来る一冊です。
おすすめポイント
とにかく僕はこれ1冊でも十分なのではないかと思う程、機械学習については非常に分かり易くまた纏まっています。
名前は言えませんが、現在大手のプログラミングスクールは立ち上げの頃はこの書籍を用いて講義されていました。
それほど、他のサイトでは紹介されていませんが、僕は一番おすすめしたい一冊です。
サンプルコードはGitHub上に公開されており、ダウンロードすることが可能です。
上級者編
AI、機械学習の知識がそこそこあり、上級者向けの書籍を紹介します。
AI、機械学習の上級者に向けの書籍
- パターン認識と機械学習 上
- パターン認識と機械学習 下
パターン認識と機械学習 上
Pythonの基本や機械学習のアルゴリズムはある程度理解しているとスムーズに読む事が出来ます。
とはいえ確率入門、決定理論、回帰、クラス分類の様な基本的で平易な内容から解説し、これらの基礎知識を踏まえたうえで、サポートベクトルマシンやブースティングといった手法にまで解説されています。
また、ベイズ理論の実用化にあたって不可欠なMCMCや変数ベイズといった高度な話題まで扱っており、ここまで理解できると素晴らしいですね。
おすすめポイント
代表的な学習問題である回帰と識別問題をベイズ的な観点から解説した後に、ニューラルネットワークと共に、学習問題を解く際に必要になる最適化手法を紹介しています。
応用数学
パターン認識と機械学習 下
「パターン認識と機械学習 上」の続編で、発展させた内容になっています。
ベイズ理論に基づく統計てき予測技術は、近年計算アルゴリズムの性能向上により急速に発展してきました。
この書籍では、ベイズ理論に基づいた視点から機械学習とパターン認識の様々な理論や手法を解説しています。
おすすめポイント
予測精度の高さで注目を集めたサポートベクトルマシン、カーネル法、ベイジアンネットなどのグラフィカルや、ベイズ理論の適応範囲を広げた変数ベイズ法とMCMC法にもふれており、高レベルな内容の学習をする事が出来る
JDLA（一般法人日本ディープラーニング協会）監修・推薦図書
AI・機械学習エンジニアを目指している方に取っては、JDLA（一般法人日本ディープラーニング協会）のE検定とG検定が1つの目標になるかと思います。
JDLA（一般法人日本ディープラーニング協会）には監修図書と推薦図書があります。
各々E検定とG検定を受検する際には以下の書籍が参考になります。
JDLA監修図書
JDLA監修図書には以下の4冊があります。
JDLA監修図書一覧
- 深層学習ディープラーニング G検定 公式テキスト
- ディープラーニング活用の教科書
- 徹底攻略ディープラーニングG検定ジェネラリスト問題集
- ディープラーニング活用の教科書【実践編】
深層学習教科書ディープラーニング G検定 公式テキスト
ディープラーニング活用の教科書
徹底攻略ディープラーニングG検定ジェネラリスト問題集
ディープラーニング活用の教科書【実践編】
JDLA推薦図書
JDLA推薦図書には7冊あります。
以下その種類となります。
JDLA推薦図書一覧
- AI白書 2020
- 人工知能は人間を超えるか
- 深層学習（機械学習プロフェッショナルシリーズ）
- ビズネスパーソンのための人工知能入門
- AIをビジネスに実装
- ロボット・AIと法
- AI社会の歩き方
各々を紹介していきます。
AI白書 2020
人工知能は人間を超えるか
深層学習(機械学習プロフェッショナルシリーズ)
ビジネスパーソンのための人工知能入門
AIをビジネスに実装する方法
ロボット・AIと法
AI社会の歩き方
まとめ
本記事ではAI・機械学習・ディープラーニングを学習するための書籍20冊と+α書籍を紹介しました。
少し書籍が多すぎるため、機械学習の初学者や入門の方に向けて「どの書籍を用いて学習を進めていけば良いのか」というロードマップや、推薦できる書籍があれば随時追記していきます。
とはいえ、これでもそこそこ厳選して選びました。
AI・機械学習を独学で勉強する上で、書籍や本が数多くありどれを使用すれば良いのか分からない方がほとんどだと思います。
その様な方々のお役に立てればと思いつつ、この辺で筆を置きます。