人工知能・機械学習のスレッド@数学板 [無断転載禁止]©2ch.net
■ このスレッドは過去ログ倉庫に格納されています
人工知能・機械学習のスレッド@数学板
代数幾何学で有名なアメリカの数学者も人工知能の研究に移ったという話です。 👀
Rock54: Caution(BBR-MD5:0be15ced7fbdb9fdb4d0ce1929c1b82f) Mumfordは以前からComputer Visionとかやってはったしね。ほんでGrobner
とかも結構前から流行ってるさかいナ。そやしどんな『真面目な』議論が
展開されるかを楽しみにしてまっさ。そやしこのスレは注視して見てるわ。
¥ ソレは当然やろ。だってココは『学術に関する板』やろ。そやからアカン
様な奴があったりしたらまた焼くさかいナ。そやしちゃんと考えてからの
カキコにせえや。
¥ 猫たるものが、何を寝ぼけたことを???
そんな猶予は無用、糞板は問答無用焼き一択 昨今はGoogleのAlphaとか、またクルマの自動運転かて流行ってるがな。
そやし話題なんてナンボでもアルやろ。Deep learningとかやナ。そやし
ワシかてココで勉強させて貰うがな。おもろいネタが欲しいさかいナ。
¥ 焼かれるしか価値のない糞板からネタを仕入れるとは何とも情けない…
それでも猫か? そんな事はアラヘン。ワシは確率論とかが苦手やさかい、別のスレで話題
になってた時枝氏の議論とかは楽しめてるわ。勉強になるしナ。爺になっ
てもオツムは使わんとアカンやろ。アホになったら困るさかいナ。
¥ 微分積分
線形代数
確率・統計
その他に必要な数学はありますか? 数理統計とかかて必要なんとチャウんか。人に拠っては広中の特異点解消
定理かて出て来るみたいやけんどナ。Grobner基底とかが関係してるみた
いやしね。
¥ 30年前から
優秀な学生は
情報科学>数学
数学はカスの溜まり場 なんか多変数の微分積分が普通に使われていますよね。
おすすめの本は何ですか? ITエンジニアのための機械学習理論入門
中井 悦司
固定リンク: http://www.amazon.co.jp/dp/4774176982
今、↑を読んでいます。
↑を読み終わったら、
Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)
Sebastian Raschka
固定リンク: http://www.amazon.co.jp/dp/4844380605
を読むつもりです。
その次は、
パターン認識と機械学習 上
C.M. ビショップ
固定リンク: http://www.amazon.co.jp/dp/4621061224
を読むつもりです。
7020円って普通の数学書よりも高いですね。ぼったくりですか? >>1
ちなみに、その数学者は数学者としてはかなり優秀だったみたいだけど、
Deep Learningみたいな画期的なことはできていないみたいだね。 >>14
やっぱり
数学科のよくできる学生 > 情報科学科のよくできる学生
だと思いますよ。甘利俊一という人も数学科や物理学科に行けなくて、
工学部に行ったと本に書いていました。 ビル・ゲイツも数学科に進学したけど、周りの秀才たちに圧倒されて
退学した。 ファインマンというノーベル賞受賞物理学者もはじめは数学科に進学したけど、
物理学科に変更している。 >>17
かなりの人でも、その「両方の分野で超人」というのはちょっと無理なの
では。探せば居るのかも知れませんが。
¥ >>19 >>20
日本でも有本卓先生は、確か「数学科のご卒業」ではないかと。だから探
せば他にもそういう人は居るのではないかと。
¥ >>18
さっきからその不等式をずっと見てるんですが、ソレは『前世紀の話』で
はないかと。甘利先生は「ムカシのヒト」なので。
¥ どうも、機械学習では、ヘッセ行列が重要みたいなので、それが詳しく載っている
本を教えてください。 >>16
数学書は金が儲からない、コンピュータ関係は金が儲かる、その違い。 数学書を買いそうな奴は貧乏人ばっかしやさかい、ボッタクリの餌食とし
ては効率的ではないだけ。カネを儲けたければ、数学関係者を相手にスル
のは得策ではないだけ。
¥ >>26
これなら分かる最適化数学―基礎原理から計算手法まで
金谷 健一
固定リンク: http://www.amazon.co.jp/dp/4320017862
これがよさげであることを発見しました。
>>27
それって、出版社には関係ないのではないでしょうか?
読者が金を儲けようがなからろうが。
金が儲かるネタを提供するから高くても買うだろうみたいな考えがあるってことですか? 数学者の書いた多変数の微分積分の本は、なぜ、極大極小の問題を軽視している本
が多いのでしょうか?
むしろ、そのような最適化問題が解けるというのをモチベーションにして多変数
の微分積分を勉強したほうがいいのではないでしょうか?
小平邦彦というフィールズ賞受賞者の本にはそのようなことが書かれていないそうです。 deep learning深層学習の勉強始めた人いる?
プログラミング未経験で、さらに高校数学までの知識しかないけど勉強しようか考えてる
実装できるまでの勉強のための本は買った
数学については高校数学の行列とか復習して、大学数学の関連分野の基礎を勉強する予定
言語はpython、ツールとしてはchainerかtensor flowを考えてる
やってる人いたら情報交換していこう >>実装できるまでの勉強のための本
↑それって↓の本ですか?
Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)
Sebastian Raschka
固定リンク: http://www.amazon.co.jp/dp/4844380605
線形代数は割と勉強しやすいと思うんですけど、微分積分が難しいと思います。 あと微分積分を使う確率統計も難しいと思います。
線形代数と微分積分はいい本がありそうですけど、確率統計のいい本が
見つからないです。
赤攝也の確率論入門と
プログラミングのための確率統計
くらいしかまともな本がないみたいです。 今、
ITエンジニアのための機械学習理論入門
中井 悦司
固定リンク: http://www.amazon.co.jp/dp/4774176982
を読んでいますけど、これ非常に単純なデータ(データ数が10とか)を使って
機械学習の原理を説明していて分かりやすいです。
一応、Pythonのプログラムもダウンロードできますが、プログラムを読まなくても
本文だけ読めばいいようになっています。
ディープラーニングって機械学習に含まれるのかどうか知りませんが。 Pythonは
入門 Python 3
Bill Lubanovic
固定リンク: http://www.amazon.co.jp/dp/4873117380
で勉強しようと思っています。
ライブラリーについては、
Pythonによるデータ分析入門 ―NumPy、pandasを使ったデータ処理
Wes McKinney
固定リンク: http://www.amazon.co.jp/dp/4873116554
で勉強しようと思っています。
その後で、
Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)
Sebastian Raschka
固定リンク: http://www.amazon.co.jp/dp/4844380605
を読もうと思っています。
その後で、
パターン認識と機械学習 上
C.M. ビショップ
固定リンク: http://www.amazon.co.jp/dp/4621061224
を読むつもりです。 微分積分は図書館で調べたところ、
まともな本で一番分かりやすそうだったのが、
松坂和夫の解析入門全6巻。
多変数の解析学で必要な線形代数についてもすべて解説している。
ヘッセ行列とかもちゃんと解説している。
あとは川平友規の微分積分も2変数の微分積分が分かりやすそう。 ただ、川平友規の本はまともな本ではない。
線形代数は川久保さんのは評判はいいけど、いまいちだった。
松坂和夫の線型代数入門もしつこい感じ。
齋藤正彦の齋藤正彦線形代数学は応用を意識していない感じ。
プログラミングのための線形代数もいまいち。
ストラングのでかい本を今度、調べてみようと思っている。
これなら分かる最適化数学―基礎原理から計算手法まで
金谷 健一
固定リンク: http://www.amazon.co.jp/dp/4320017862
これが優しそうでよさげ。評判もいい。 統計学は高校生用の参考書を今読んでいる。
チェビシェフの不等式なんかも出てくるし、問題の解説も高校生向けなので
詳しい。
でも確率分布が正規分布しか出てこない。 肝心の機械学習や人工知能の本の和書にまともな本が少ないのが困ったところ。
ゴミのような本を量産しているシリーズとか。 甘利俊一のブルーバックスもお話しだけでためにならない。 線形代数 (理工学者が書いた数学の本)
甘利 俊一
固定リンク: http://www.amazon.co.jp/dp/4061868314
↑の本に2次形式の話が詳しく載っていました。
でも、松坂和夫の解析入門に詳しく載っているんだよなー。 解析入門〈1〉 数/数列と級数/関数の極限と連続性/微分法/各種の初等関数 (岩波オンデマンドブックス)
松坂 和夫
固定リンク: http://www.amazon.co.jp/dp/4007304513
↑お、いま調べてたら、松坂和夫の解析入門復刊するんですね。
買いだと思います。 確率統計で松坂和夫くらい詳しい本ってないんですか?
結果だけのっけているような本ばかりで困っちゃいますよ。 機械学習の本を松坂和夫に書いてほしい。
池上彰的な役割の人でしょ、この人。 >>35
deep learningの専門書(和書)は自分が知る限り以下の2冊で、両方買いました。
深層学習 (機械学習プロフェッショナルシリーズ)
深層学習 Deep Learning (監修:人工知能学会)
あと自分はプログラミングも未経験なので実装のために必要だと考え、以下の2冊も買いました
Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)
確かな力が身につくPython「超」入門 (確かな力が身につく「超」入門シリーズ)
「Python機械学習プログラミング」の方は、米Amazonでも好評ですが、機械学習の基礎知識がないとキツそうなので、機械学習についての勉強も必要かもしれないと思ってます
必要な数学の基礎知識についてはAmazonで探して買おうと思ってます 深層学習 (機械学習プロフェッショナルシリーズ)
↑これは今、図書館から借りています。
が、難しい。というか説明が足りないと思います。
既に分かっている人にしか分からないような説明のような気がする。
確かな力が身につくPython「超」入門
これは分かりやすそうですね。
頑張りましょう。 >>50
深層学習 (機械学習プロフェッショナルシリーズ)
読み込んでいる人の話だと間違いがかなりあるらしいです
正誤表がネットで見れますが、それ以外にもあるとか聞きました
誤りや説明不足があるものの、現状でこれだけ体系的に深層学習を扱っている書籍も貴重で、その意味で不可欠な存在みたいです
勉強するの大変そうですが、頑張っていきたいですね hennayagisan1@hennayagisan1 4 時間4 時間前
上田泰己氏 理研の税金無駄使い、954万円高級家具カッシーナ・イクスシーの指定購入も大問題 http://1000nichi.blog73.fc2.com/blog-entry-7696.html 日常のなかの統計学
ってどうですか?
高校生向けの本でありながら、結構高度なことが書いてありそうですけど。 図書館から松坂和夫解析入門を借りてきました。
第4巻までを2か月で読み終える予定です。
あと線形代数は甘利俊一と金谷健一の本にしました。
これは2週間で読み終える予定です。 ITエンジニアのための機械学習理論入門
中井 悦司
固定リンク: http://www.amazon.co.jp/dp/4774176982
は3日間で100ページまで読み終わりました。
このペースで年末までには
パターン認識と機械学習 上
C.M. ビショップ
固定リンク: http://www.amazon.co.jp/dp/4621061224
とその下をマスターする予定です。 Coding the Matrix: Linear Algebra Through Applications to Computer Science
Philip N. Klein
固定リンク: http://www.amazon.co.jp/dp/0615880991
今、調べていたら、線形代数はこの本が良さげです。
Pythonで線形代数のプログラミングをする本みたいです。
Pythonの勉強にもなって一石二鳥。 流行りの分野っちゅうんはネタがナンボでもあってエエな。カキコかて仰山
出来るさかいナ。
ケケケ¥ >>58
Coding the Matrix: Linear Algebra through Applications to Computer Science
by Philip N. Klein
Link: https://amzn.com/0615880991
この本、機械学習の例題も扱っていますね。
買うことにしました。 確率を攻略する ギャンブルから未来を決める最新理論まで (ブルーバックス)
小島 寛之
固定リンク: http://www.amazon.co.jp/dp/4062579278
この本、分かりやすいです。 ITエンジニアのための機械学習理論入門
中井 悦司
固定リンク: http://www.amazon.co.jp/dp/4774176982
第3章から少し難しくなってきました。
標本分散と不偏分散とか、χ^2分布とか。 Tエンジニアのための機械学習理論入門
中井 悦司
固定リンク: http://www.amazon.co.jp/dp/4774176982
第4章のパーセプトロンを読み終わりました。
この章は簡単でした。 誤差が正規分布に従うというのはどうしてなの?
どの本を読んでも、理由が書いてない。 ノイズって(ホワイトノイズだけじゃなくて)他にも色々とあるんじゃな
いでしょうか。だから誤差というものが(ちゃんと理解出来るものかどう
かは、私は知りませんが)正規分布『じゃないもの』に従う場合もあるの
ではないかと。
¥ ∫_{-∞}^{+∞} exp(-x^2) dx = √π
この広義積分に円周率が現れるから。 >>71
中心極限定理から分かるんだね。
中心極限定理の証明が載っている本で一番分かりやすい本は何? おまえ程度が低すぎる
書き込む前に自分で探せ
バカ Tエンジニアのための機械学習理論入門
中井 悦司
固定リンク: http://www.amazon.co.jp/dp/4774176982
この本を読めば、分散を計算するとき、なぜnではなくn-1で割るかが分かりますよ。
なかなかいい本ですね。 身長が正規分布に従うというのはどうしてなの?
どの本を読んでも、理由が書いてない。 変量xが平均μ、分散σ^2の分布(正規分布とはかぎらない)にしたがうとき、
大きさnの標本平均xbarは、近似的に平均μ、分散σ^2/nの正規分布にしたがい、
nが大きくなるにつれてこの近似も良くなる。
と教科書に書いてあります。
そしてこの事実は実際問題においてたいへん重要であると書かれています。
なぜ、重要なのでしょうか? 分散の計算についてですが、なぜ高校の教科書では、
n-1 ではなく n で割っているのでしょうか?
n が小さいときに問題になると思います。 平均μの信頼区間について質問なんだけど、
t分布とか使って求めるじゃないですか?
平均ではなく、分散の信頼区間はどうやって求めるの?
本に載っていないんだけど。 ■
例題101とその解答および練習169:
http://imgur.com/4Im8EwJ.jpg
練習169の解答:
http://imgur.com/2r0zK94.jpg
■
上の練習169についての質問です。
なんか例題101の解答を読むと、練習169も
もらえる金額を確率変数Xとして、その確率分布を計算してから
E(X)を求めるのかなと思うじゃないですか?
X=0となる確率を求めて、
x=50となる確率を求めて、
…
x=350となる確率を求める
みたいな。
■
でも練習169の解答を読むとそういうやり方で求めていないですよね?
↓こんな考え方で求めていますよね?;
http://imgur.com/QTlszBF.jpg
E(X1+X2) = E(X1) + E(X2)という式を何の断りもなしに使っていますよね?
こういうのはOKなんですか?
少なくとも参考書として不親切じゃないですか?
■
それに、中途半端じゃないですか?
↓のようにもっと分解して考えればもっと簡単に答えが求まるじゃないですか?
http://imgur.com/qI6qgR9.jpg
■
回答をお願いします。 >>91
いや、確率統計は高校生向けの参考書でまず勉強している。
簡単すぎてちょっと物足りないが。
中間的な本はない? 史上最強図解 これならわかる!ベイズ統計学
涌井 良幸
固定リンク: http://www.amazon.co.jp/dp/4816351817
図書館で借りてきて↑の本を今読んでいるが、レベルが低すぎる。 半分くらい読んだ。
ベイズ統計学とかいう名前がついているけど、
「ベイズ」なんてわざわざ名前をつけてそんな
分野があるかのように書いてあるけど、どうなの?
自明なことしか書いていない。 ベイズの定理とかわざわざ名前をつけている理由が分からん。
自明な事実だから。 日本人の躾けは『大人の都合』、その目的は威厳に屈服させる為:
ある父親:クマが出没する山林に息子を放置、しかも嘘を吐いて保身。
別の父親:勉強の邪魔をして進路を妨害し、学歴を砕く。出世を強要。
ソレでも「親の行為は子供の為」という傲慢な常識を振り回す世間、しかも
「親を尊敬して大切に扱え」という無根拠な思想を押し付ける儒教文化。
お父さん、お母さんを大切にしましょう!!!ソレが世間体というモノ!
ケケケ¥
政治家も、お教授も、権力を振り回すのが大好きな低能人種:
ある男:ボクは都民の為に湯河原で休んでるんだ。知事が信じられんのかっ!
別の男:オレは哲也の為に指導してやってるんだ。父親が信じられんのかっ!
上から目線で強弁すれば、自分の言い分は何でも通る国があるらしい…
ああ、素晴らしき日本文化よ。キミ達も国会議員を見習い給え。何せ多数決で選
ばれた『皆の代表』なので。だからある男も別の男もエラいんだよォ〜〜〜んw
コココ¥
終わり良ければ全てヨシ。途中経過はどうでもヨシ。
大学:学生の知能なんてどうでもヨシ。カネが儲かる教室を巧みに運営シロ。
狸研:研究の詳細なんてどうでもヨシ。世間が驚く大論文を外国に発表シロ。
芳雄:学問の中身なんてどうでもヨシ。安易に教授になれる分野を専攻シロ。
学問なんて所詮は出世の道具。周囲に秀才っぽく見せ掛けられたらソレでヨシ。
社会的に高い地位、そして豪華で贅沢な暮らし。世間が羨む大学教授のポスト。
ソレさえ手に入れば学問そのものなんて洋梨よォ〜〜〜ん。
よよよ、よ〜〜〜しお。そやしノ〜ベル賞が欲しいよォ〜〜〜んんんwww
シシシ¥ 史上最強図解 これならわかる!ベイズ統計学
涌井 良幸
固定リンク: http://www.amazon.co.jp/dp/4816351817
↑この著者は確率と確率密度関数を混同している箇所がある。
これだから素人の書く本は敬遠したくなる。 ■ このスレッドは過去ログ倉庫に格納されています