大学院の授業で「機械学習」を学んだのですが，もうちょっと理解を深め，プログラミングもできるようになりたいと思い，いくつか書籍を購入しました．

講義の時に先生にいくつか書籍を紹介していただいたのですが，どうも自習向きではないというのが正直なところです．

■理論(割と理論がメインのもの)

1.「ITエンジニアのための機械学習理論入門」
最小二乗法，最尤推定法，パーセプトロン，ロジスティック回帰，K平均法，ベイズ推定などの理論をPythonのサンプルコードを用いて説明している．

2.「事例+演習で学ぶ機械学習 ビジネスを支えるデータ活用のしくみ」
線形回帰，ロジスティック回帰，SVM，ニューラルネットワーク，決定木，テキストマイニングなどの理論を，「Netflixによる映画の評価予測コンテスト」，「Suicaやクレジットカードの使用履歴からどの程度個人の特定ができるか」など，ビジネスの事例とともに説明がされている．最後におまけのようにR言語による演習がついているが，「1.」と違ってほぼ理論の書籍です．

3.「フリーソフトではじめる機械学習入門」
SVM，ニューラルネットワーク，回帰，決定木など以外に，ベイジアンネットワークや様々なアルゴリズムについて解説している．演習用のツールとしては，WEKAを使用している．

4.「パターン認識と機械学習 上」「パターン認識と機械学習 下」
ビショップ本として有名な本．線形代数や微積分，確率などの数学的な準備が必要だと思う．「1」～「3」が終わったらチャレンジしてみたい．

■実装

5.「Python機械学習プログラミング」
機械学習の理解を深める(ITエンジニアには，数式を読み解くよりもプログラムを書いた方が理解が早いｗ)のとPythonでの実装ができるようになるために本書を使用．「1」～「3」を読んでからの方が進めやすいと思います．

6.「科学技術計算のためのPython入門 ――開発基礎、必須ライブラリ、高速化」
「5.」には，本書の注釈で，「7.Pythonによるデータ分析入門 ―NumPy、pandasを使ったデータ処理」や「8.データサイエンティスト養成読本 機械学習入門編 (Software Design plus)」の紹介がされているが，「8」のようなムックだといずれちゃんとした本読むことになるだろうし，「7.」は分厚すぎるので「5.」をやり終わった後に，足りない部分だけ補えばいいのかなっと思い，小さくて持ち運びやすい本書を選びました．

7.「Pythonによるデータ分析入門 ―NumPy、pandasを使ったデータ処理」
「5.」にない部分を補うのに後日使おうと思います．「AI」や「機械学習」ではなく「分析」業務の場合はこちらの方が重宝するかもしれません．

8.「データサイエンティスト養成読本 機械学習入門編 (Software Design plus)」
何も知らない人が最初に読むにはいい本なのだと思います．機械学習の全体地図をサラッと眺める感じで，キーワードなどを潜在意識の片隅に刷り込んで，ちゃんとした本に進むと理解は早いのかもしれません．

9.「実践 機械学習システム」
これもPythonでの機械学習実装本．「5.」，「6.」，「7.」で足りない部分(があるのかどうかわかりませんが)だけ補う感じでよいと思います．