Mathematics-for-ML - 🧮機械学習のための数学を学ぶためのリソースのコレクション

(🧮 A collection of resources to learn mathematics for machine learning)

Created at: 2022-05-21 19:24:15
Language:

機械学習のための数学

機械学習のための数学を学ぶためのリソースのコレクション。

機械学習のための数学

マーク・ピーター・ダイゼンロス、A。アルド・ファイサル、チェン・スーン・オン

これはおそらくあなたが始めたい場所です。ゆっくりと始めて、いくつかの例に取り組みます。表記に細心の注意を払い、慣れてください。

本:https ://mml-book.github.io

統計学習の要素

ジェローム・H・フリードマン、ロバート・ティブシラニ、トレバー・ハスティ

機械学習はデータを扱い、統計が教えることを目的とする不確実性を扱います。推定量、統計的有意性などのトピックに慣れてください。

本:https ://hastie.su.domains/ElemStatLearn/

統計学習の概要に興味がある場合は、「統計学習の概要」を確認してください。

確率論:科学の論理

ETジェインズ

機械学習では、確率モデルの構築に関心があるため、条件付き確率やさまざまな確率分布などの確率理論の概念に出くわします。

出典:https ://bayes.wustl.edu/etj/prob/book.pdf

確率的機械学習:はじめに

ケビン・パトリック・マーフィー

この本には、古典的な機械学習方法の包括的な概要とそれらを説明する原則が含まれています。

本:https ://probml.github.io/pml-book/book1.html

インペリアルカレッジロンドンによる多変量微積分

サム・クーパー博士とデビッド・ダイ博士

バックプロパゲーションは、微積分に依存するディープニューラルネットをトレーニングするための重要なアルゴリズムです。連鎖律、ヤコビアン、最急降下法などの概念をよく理解してください。

ビデオプレイリスト:https ://www.youtube.com/playlist?list = PLiiljHvN6z193BBzS0Ln8NnqQmzimTW23

機械学習のための数学-線形代数

サム・クーパー博士とデビッド・ダイ博士

以前のビデオ講義の素晴らしい仲間。ニューラルネットワークはデータに対して変換を実行し、それがどのように行われるかをよりよく理解するには線形代数が必要です。

動画再生リスト:https ://www.youtube.com/playlist?list = PLiiljHvN6z1_o1ztXTKWPrShrMrBLo5P3

深層学習のための数学

このリファレンスには、ディープラーニングの理解を深めるのに役立つ数学的概念が含まれています。

章:https ://d2l.ai/chapter_appendix-mathematics-for-deep-learning/index.html

ディープラーニングに必要な行列微分

テレンス・パー&ジェレミー・ハワード

ディープラーニングでは、一連の基本的な行列演算を理解する必要があります。行列微分の数学を深く掘り下げたい場合は、これがガイドです。

論文:https ://arxiv.org/abs/1802.01528

情報理論、推論および学習アルゴリズム

デビッドJCマッケイ

When you are applying machine learning you are dealing with information processing which in essence relies on ideas from information theory such as entropy and KL Divergence,...

Book: https://www.inference.org.uk/itprnn/book.html

Foundations of Machine Learning

by Mehryar Mohri, Afshin Rostamizadeh & Ameet Talwalkar

A comprehensive and accessible overview of the mathematics behind most learning algorithms (except deep learning). The appendix alone is worth a detour.

Book: https://cs.nyu.edu/~mohri/mlbook/


This collection is far from exhaustive but it should provide a good foundation to start learning some of the mathematical concepts used in machine learning. Reach out on Twitter if you have any questions.