人工知能ディープラーニング機械学習のための数学 : 休処

1: 2016/12/27(火) 12:09:04.01

人工知能ディープラーニング機械学習のための数学

引用元: http://toro.2ch.sc/test/read.cgi/tech/1482808144/

2: 2016/12/27(火) 12:14:53.48

解析入門 (1)
杉浦光夫
固定リンク: http://amzn.asia/2ISXdII

解析入門 (2) 基礎数学 3
杉浦光夫
固定リンク: http://amzn.asia/8oo3aj8

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://amzn.asia/0jfS4s6

解析入門〈2〉関数の近似,テイラーの定理/積分法/積分の計算/関数列と関数級数/n次元空間 (岩波オンデマンドブックス)
松坂和夫
固定リンク: http://amzn.asia/ivzAbRX

解析入門〈3〉集合論初歩/距離空間の位相/連続写像の空間/多変数の関数 (岩波オンデマンドブックス)
松坂和夫
固定リンク: http://amzn.asia/gZsgipW

解析入門〈4〉線形写像/行列式/逆写像定理と陰関数定理/固有値と2次形式/フーリエ展開 (岩波オンデマンドブックス)
松坂和夫
固定リンク: http://amzn.asia/btmMp8t

解析入門〈5〉複素数の関数/複素積分/複素解析の続き (岩波オンデマンドブックス)
松坂和夫
固定リンク: http://amzn.asia/dVSG32O

解析入門〈6〉重積分/重積分の変数変換/微分形式とその積分/ルベーグ積分 (岩波オンデマンドブックス)
松坂和夫
固定リンク: http://amzn.asia/bLaVCBT

3: 2016/12/27(火) 12:16:14.06

線型代数学(新装版) (数学選書)
佐武一郎
固定リンク: http://amzn.asia/fVo2o3T

齋藤正彦線型代数学
齋藤正彦
固定リンク: http://amzn.asia/9psD9rX

4: 2016/12/27(火) 12:18:06.84

集合・位相入門
松坂和夫
固定リンク: http://amzn.asia/2oVB70F

6: 2016/12/27(火) 12:29:27.03

行列プログラマー ―Pythonプログラムで学ぶ線形代数
Philip N. Klein
固定リンク: http://amzn.asia/fPaDAlt

世界標準MIT教科書ストラング:線形代数イントロダクション
ギルバートストラング
固定リンク: http://amzn.asia/6z4Wtxk

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://amzn.asia/hbKljIz

7: 2016/12/27(火) 18:29:51.38

統計の本でいい本ってありますか？

確率論だとフェラーの本がいいと思いますが。

8: 2016/12/27(火) 19:21:40.15

微分積分学講義
野村隆昭
固定リンク: http://amzn.asia/eGHBiK6

微分積分学〈1〉1変数の微分積分
宮島静雄
固定リンク: http://amzn.asia/erwFdMi

微分積分学〈2〉多変数の微分積分
宮島静雄
固定リンク: http://amzn.asia/eRHuEHz

軽装版解析入門〈1〉
小平邦彦
固定リンク: http://amzn.asia/3DBv0lD

軽装版解析入門〈2〉
小平邦彦
固定リンク: http://amzn.asia/1RSUH2G

定本解析概論
高木貞治
固定リンク: http://amzn.asia/25nqeJM

9: 2016/12/27(火) 19:24:39.01

数学解析上 (数理解析シリーズ 1)
溝畑茂
固定リンク: http://amzn.asia/8ULImDb

数学解析下　数理解析シリーズ 1
溝畑茂
固定リンク: http://amzn.asia/2DPSfbW

Calculus
Michael Spivak
固定リンク: http://amzn.asia/8WmVWU1

Introduction to Calculus and Analysis I (Classics in Mathematics)
Richard Courant
固定リンク: http://amzn.asia/968UdPe

Introduction to Calculus and Analysis II/1 (Classics in Mathematics)
Richard Courant
固定リンク: http://amzn.asia/c6VxdIz

Introduction to Calculus and Analysis II/2: Chapters 5 - 8 (Classics in Mathematics)
Richard Courant
固定リンク: http://amzn.asia/44rOvDo

10: 2016/12/27(火) 19:27:35.78

The Principles of Mathematical Analysis (International Series in Pure & Applied Mathematics)
Walter Rudin
固定リンク: http://amzn.asia/7ZYszod

Linear Algebra Done Right (Undergraduate Texts in Mathematics)
Sheldon Axler
固定リンク: http://amzn.asia/3GB2IQP

11: 2016/12/27(火) 19:29:44.09

微積分
斎藤毅
固定リンク: http://amzn.asia/5dxK8Sa

線形代数の世界―抽象数学の入り口 (大学数学の入門)
斎藤毅
固定リンク: http://amzn.asia/dnChM7r

Advanced Calculus (International Series in Pure and Applied Mathematics)
Robert Creighton Buck
固定リンク: http://amzn.asia/fUxpgT9

12: 2016/12/27(火) 19:36:50.03

線型代数入門
松坂和夫
固定リンク: http://amzn.asia/2Keu1nI

線型代数入門 (基礎数学1)
齋藤正彦
固定リンク: http://amzn.asia/eK4Pn9w

線形代数とその応用
ギルバートストラング
固定リンク: http://amzn.asia/2VBcYBA

線形代数学―初歩からジョルダン標準形へ
三宅敏恒
固定リンク: http://amzn.asia/ciZYBmg

13: 2016/12/27(火) 21:01:55.63

これらのリンクの数学を習得すれば
高精度の分類がディープラーニングでできるようになるのでしょうか？

14: 2016/12/27(火) 22:47:07.16

>>13
その分野のやつによると
そこまで要らんよ

DLの実装つってもライブラリ使ってちょっとやるだけなら簡単らしい
数学的側面の理解も上の本ほど専門的にやる必要はない

15: 2016/12/27(火) 22:51:01.15

というかDL自体の本がないじゃねぇかw

16: 2016/12/27(火) 23:31:21.40

選び方が大学1、2年でやるような数学を網羅してるかんじで
ディープラーニングにしぼってないだろ。

17: 2016/12/28(水) 07:08:00.58

工学系の学部１，２年で学ぶような基礎的数学をあえて厳密に学ぶ意味は有るのでしょうか？

18: 2016/12/28(水) 09:16:12.27

数学の本ではないですが、この本、評判がいいみたいですね。

Deep Learning (Adaptive Computation and Machine Learning series)
by Ian Goodfellow et al.
Link: http://a.co/6YFWvNv

21: 2016/12/28(水) 21:03:00.56

数学ができてもディープラーニングできる訳じゃないしディープラーニングするのに数学が必要な訳ではない
情報幾何できたら充分

22: 2016/12/28(水) 22:03:00.61

線形代数って言ってもニューロン結合行列で計算するだけ話でしょーが

23: 2016/12/29(木) 00:18:21.67

微分はさておき行列演算は完全にライブラリ任せだしなぁ

24: 2016/12/29(木) 10:46:11.52

サラスの公式とか覚えたのムダだったなあ

27: 2016/12/31(土) 10:50:09.86

多変数関数の極大極小を求めるときに、線形代数が必要になるよね。

40: 2017/01/01(日) 22:18:19.59

飛行機はなぜ飛ぶ､
数式化は今だできん
あ､そうだ統計で安全性を検証しよう
Ok

41: 2017/01/02(月) 04:19:07.90

「飛行機がなぜ飛ぶか」分からないって本当？
　間違った説明や風説はなぜ広がるのか
http://business.nikkeibp.co.jp/article/interview/20140514/264597/?rt=nocnt

松田卓也氏（以下松田）：せっかく遠くまでおいでいただきましたが、
「飛行機はなぜ飛ぶか」は、100年以上前から「分かって」いるのです。

45: 2017/01/02(月) 12:18:04.51

>>41
ベルヌーイは有名だから知ってたけど
距離が長いから速度が速くなるって話は嘘だったんだな

>間違った説明や風説はなぜ広がるのか

このタイトルは良いと思うけど結論が最後過ぎて

>「飛行機がなぜ飛ぶか」分からないって本当？

こっちと紛らわしいわ

最後まで読まない香具師は早とちりしそう

50: 2017/01/02(月) 17:32:50.87

>>41
面白い記事だった最後のページの人間にカンする理論も2ch的にとても面白いと感じた、紹介してくれてありがとう。

51: 2017/01/02(月) 19:26:16.18

オブジェクト指向って数学的要素ゼロなのかな？

54: 2017/01/02(月) 23:13:00.85

>>51
GoFデザインパターンを基本四要素からくみあわせで体系化したフランス研究者のよんだきがするユークリッド幾何学みたいに限られた公理からの体系ににたかんじ

グラフ理論や集合論はつかえるきがする

UMLとER図は類似性があるが ERの従属かんけいや属性ぶんせきは交換法則や包含法則とかなかったけ
UMLも最適化はあるだろし集合論てきな評価や変換はできるはず

55: 2017/01/02(月) 23:58:36.96

>>54
RDBの正規化の話なら
関数従属とか推移的関数従属とか多値関数従属とか
だったと思う

77: 2017/01/03(火) 12:24:11.54

>>55
反射律、推移律、増加律てやつだったかな
さらっとかいてるのもあるが疑似とかほかにも律でてきて
A律 B律からC律とか

デザインパターンのはまた別で基本論理かいろから複雑な論理かいろつくるかんじ

117: 2017/02/21(火) 19:14:28.58

数学科じゃない身としては、最低限これだけ知っておけ、という数学の範囲は知りたい
解析概論と線形代数でいいのか？

118: 2017/02/21(火) 20:42:12.85

統計

140: 2017/03/28(火) 03:38:35.94

はじめまして、機械学習の為の数学を検索していて
未来技術板の人工知能で自我・魂は作れるか？から来ました。
数学はⅠAⅡBまでしか学んでないのでよくわからずに困っています。
スパースモデリングとテンソルフローについて概略案内頂けないでしょうか？
また、どなたかご存知有りませんが>>56-100あたりに書かれている一部を
参考に人工無能が出来そうなので拝借させて頂きます。よろしくお願いします。

141: 2017/03/28(火) 03:52:30.93

目的を書き忘れてました。
ランダム結合でカオス化したデータの収束をしたいです。
http://rio2016.2ch.net/test/read.cgi/future/1476229483/375-395

142: 2017/03/28(火) 06:05:49.82

>>140-141
TensorFlowはKeras経由で使うのが簡単だ。
それとこのスレは実践しない人向けで、機械学習本スレは下記スレだ。

Keras Documantation
https://keras.io/ja/
【統計分析】機械学習・データマイニング14
http://echo.2ch.net/test/read.cgi/tech/1489636623/

でも目的がランダム結合で作ったデータの収束なら
学習がとても遅いDeepLearningまで使う必要はないかもしれない。
まずscikit-learnを学んで自分の目的に合う手法を探したほうがよい。

氷解！データ分析、機械学習手法ってたくさんあるけどいつどれを使えばよいのか
http://qiita.com/aokikenichi/items/688e66d10a944051039c
scikit-learn から学ぶ機械学習の手法の概要
http://qiita.com/ynakayama/items/9c5867b6947aa41e9229
scikit-learnのモジュールのGitHubでの利用頻度を調べてみた
http://kamonohashiperry.com/archives/551

scikit-learnインストールと使い方は下記記事とサイトをどうぞ。

データサイエンティストを目指す人のpython環境構築 2016
http://qiita.com/y__sama/items/5b62d31cb7e6ed50f02c
Python でデータサイエンス
http://pythondatascience.plavox.info/
Scipy lecture notes
http://www.turbare.net/transl/scipy-lecture-notes/

143: 2017/03/28(火) 06:20:41.17

>>142
大変ご丁寧にご案内頂きましてありがとうございます。
なるべく、サーバーやウェブを介さず、htmlファイル単体で
シンプルに実装したかったのですが、scikit-learn辺りを学んでみます。
また、いずれ、戻ってくるかもしれないですが、よろしくお願いします。

154: 2017/06/24(土) 22:28:02.50

人工知能の本多すぎ
恐らくは玉石混交なんだろうけど、定番の一冊ってあるのかな

155: 2017/06/24(土) 22:38:45.31

>>154
あるよ

156: 2017/07/01(土) 14:52:59.45

Deep Learning Ian Goodfellow/Yoshua Bengio/Aaron Courville (Under Tran. by Tokyo Univ.)
The Elements of Statistical Learning (統計的学習の基礎)
Pattern Recognition and Machine Learning (パターン認識と機械学習)
Data Mining 4ed. Ian H. Witten (邦訳なし)
R for Data Science (オライリーだからすぐ出るでしょ)

異論は認める。文系リーマンが自己啓発モードで挑むのは無理ゲー。

157: 2017/07/01(土) 16:20:36.70

スレタイは数学になっちゃってるけど、別に数学の本を求めてる訳じゃない
ディープラーニングの理論について説明してる本が読みたい

そこに数学的な背景は、無くはないだろうけど、
やってみたらできた的な部分が多い気がする

158: 2017/07/02(日) 04:49:23.87

そういうことならインターフェース今月号