機械学習・ディープラーニングのおすすめ本11冊+α!(初心者〜中級者向け)

最終更新日

AIエンジニアを目指す方、機械学習やディープラーニングを学びたい方におすすめの本・書籍を紹介します。

機械学習やディープラーニングのおすすめ本を紹介するにあたって、私が勤務するITメガベンチャーで実際に機械学習・ディープラーニングなどのAI(人工知能)を業務でゴリゴリ活用しているサイエンティストやAIエンジニアにもヒアリングしてきました。初心者・未経験者の方はもちろん、実務で活用したいという人も読んでいただけると幸いです。

本記事の構成としては、①プログラミングもあまり経験が無い本当の初心者向け ②プログラミング経験はあるけど機械学習やディープラーニングをこれから学びたい人向け ③機械学習・AIの基礎知識はあり実践的なスキルを学びたい人向け ④その他AIの読み物や特に専門分野などの番外編 といった4部構成で参考書を紹介していきます。

単純に本を羅列するだけではなく、実際に本を読んだ人の感想や参考書を活用して勉強したエンジニアの口コミも合わせて掲載しています。気になる本や書籍があれば読んでみてください。^^

※本記事は「AIエンジニア向けの資格試験である「E資格」のおすすめ本」や「【初心者向け】Pythonのおすすめ本11冊!(独学の勉強方法・入門書も紹介)」を読んで、「もっと他のおすすめ本も知りたい!」という声を頂いたのでまとめてみました

目次

超初心者向けの機械学習・ディープラーニングおすすめ本

まずはプログラミング経験もほとんど無い超初心者が機械学習やディープラーニングを学ぶ上でまず知っておきたい基本を学べる定番本をご紹介します!「基礎の基礎から学びたい」「初心者なので何から学べば良いのかわからない」「今は知識ゼロだけどAIエンジニアになりたい」などの方はまずこちらの本を読んでみてください^^ すでにプログラミング経験もあって初歩的なところはもう知っているよという方は読み飛ばしてください。

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

超初心者向けの機械学習・ディープラーニングおすすめ本・書籍の1冊目は「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」です。本書は機械学習およびディープラーニングを図解形式でわかりやすく学べます。開発の基礎知識もカバーしているので、開発・運用面の知識があまりない初心者にもおすすめしたい書籍です。

AIエンジニアの資格であるJDLA認定プログラム・E資格の対策講座を提供しているアイデミーの中の人が執筆しており、初めての参考書として技術・信用の面でも安心して学べますよ。

▼書籍概要

書籍名図解即戦力 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
発売日2019/9/2
著者株式会社アイデミー 山口達輝、松田洋之
ページ数387ページ
出版社技術評論社
本の概要・おすすめポイント機械学習やディープラーニングの初学者向けの本です。機械学習およびディープラーニングを図解形式でわかりやすく学べます。AI特化型プログラミングスクールAidemyの人が執筆しており、E資格との相性もバツグンです。図解形式なので理解しやすく、機械学習・ディープラーニングの基礎的な部分をまず学びたい初心者・未経験者におすすめです!
中身(目次)1章 人工知能の基礎知識
2章 機械学習の基礎知識
3章 機械学習のプロセスとコア技術
4章 機械学習のアルゴリズム
5章 ディープラーニングの基礎知識
6章 ディープラーニングのプロセスとコア技術
7章 ディープラーニングのアルゴリズム
8章 システム開発と開発環境
読んだ人のクチコミ・図解でわかり易いです。数式やソースコードが出てこないため、多変量解析や機械学習アルゴリズムをざっくりと理解することができます。
・良くも悪くも網羅的で1つあたりは深すぎず難しくないので、初心者の入門書としては最適だと思います
・AIの全体像を掴むことができるのでその後の学習が捗ります。よい参考書です!
・機械学習や深層学習について網羅的にかかれているので、どこまでがしっかり理解できて、どこからさらに学ばないといけないかを判断するために使っていました

購入はこちら

スッキリわかるPythonによる機械学習入門

次に紹介する超初心者向けの機械学習・ディープラーニングおすすめ本は「スッキリわかるPythonによる機械学習入門」です。本書では機械学習の入門書として、機械学習に必要な基礎統計学、データ分析の流れ、教師あり学習などPythonで機械学習をするために必要な知識について解説してくれます。また、回帰や分類の実例として、映画の興行収入の予測や、住宅平均価格の予測など、さまざまな学習データを用いたサンプルで理解を深めていくことができます。

▼書籍概要

書籍名スッキリわかるPythonによる機械学習入門
発売日2020/10/16
著者須藤秋良
ページ数664ページ
出版社インプレス
本の概要・おすすめポイント機械学習の入門書として、機械学習に必要な基礎統計学、データ分析の流れ、教師あり学習などPythonで機械学習をするために必要な知識について解説してくれます。また、回帰や分類の実例として、映画の興行収入の予測や、住宅平均価格の予測など、さまざまな学習データを用いたサンプルで理解を深めていくことができます。

上記のような基礎知識に加えて、エラーが出た時の解決方法、PandasとというPythonのデータ解析ライブラリなども取り扱ってくれます。一通りの基礎は本書でカバーできます。

Pythonで機械学習に取り組んでみたい人、機械学習の仕組みやポイントを理解したい人におすすめです。
中身(目次)第Ⅰ部 ようこそ機械学習の世界へ
第1章 AIと機械学習
第2章 機械学習に必要な基礎統計学
第3章 機械学習によるデータ分析の流れ
第4章 機械学習の体験

第Ⅱ部 教師あり学習の理解を深めよう
第5章 分類1:アヤメの判別
第6章 回帰1:映画の興行収入の予測
第7章 分類2:客船沈没事故での生存予測
第8章 回帰2:住宅の平均価格の予測
第9章 教師あり学習の総合演習

第Ⅲ部 中級者への最初の1歩を踏み出そう
第10章 より実践的な前処理
第11章 さまざまな教師あり学習:回帰
第12章 さまざまな教師あり学習:分類
第13章 さまざまな予測性能評価
第14章 教師なし学習1:次元の削減
第15章 教師なし学習2:クラスタリング
第16章 まだまだ広がる機械学習の世界
読んだ人のクチコミ・機械学習の入門に最適な本です。Pythonの基礎知識は必要なので全くの初心者ではなくPythonプログラミングの入門書を一通りやった後に取り組んでください
・機械学習は全くの初学者でしたが、この参考書で機械学習を学ぶことで名前の通りスッキリわかりました
・実際に手を動かすことで、プロジェクトで実装する際のイメージもつけられました
・Pythonで機械学習をはじめて勉強する人向けにかかれています。解説が丁寧で非常にわかりやすいです。
・他の機械学習入門書で挫折したのですが、本書は解説がとてもわかりやすいので完遂できました。Pythonや機械学習をゼロから学びたい人にぜひ読んでほしいです!

購入はこちら

Python3年生 機械学習のしくみ

Python3年生 機械学習のしくみ 体験してわかる!会話でまなべる!」は機械学習の基礎から応用までをPythonを使って学ぶことができる入門書です。数学の知識がなくても、Pythonを用いたコードを学びながら機械学習の理論を学ぶことができます。

特に、機械学習の初心者にとってはわかりやすい図解やコード例が多数あり、実践的な内容が充実しているのが特徴です。機械学習に興味がある方や、Pythonを用いた実践的な機械学習の学習を目指す方におすすめの一冊です。

▼書籍概要

書籍名Python3年生 機械学習のしくみ 体験してわかる!会話でまなべる!
発売日2021/12/6
著者森 巧尚
ページ数200ページ
出版社翔泳社
本の概要・おすすめポイント機械学習の基礎から応用までをPythonを使って学ぶことができる入門書。人工知能や機械学習についてゼロからやさしく解説します。初心者にとってわかりやすいように図解やコード例を多数掲載しています。機械学習や人工知能についてPythonを用いてどう実現するのか学びたい人におすすめです。

・人工知能や機械学習の仕組みについてゼロからやさしく解説
・機械学習の初心者にとってはわかりやすい図解やコード例が多数掲載
・会話形式で講義が進むので、学習のハードルが低くてつまづきづらい
・実際に手を動かすためのサンプルも用意されており、定着しやすい
中身(目次)第1章 機械学習の準備
01 機械学習ってなんだろう?
02 分けることは、わかること
03 機械学習の準備をしよう

第2章 サンプルデータを見てみよう
04 scikit-learn のサンプルデータセット
05 サンプルデータセットを自動生成しよう

第3章 機械学習の手順を理解しよう
06 データを用意する
07 データを学習用とテスト用に分ける
08 モデルを選んで、学習する
09 モデルをテストする
10 新しい値を渡して、予測する
11 分類の状態を可視化しよう

第4章 機械学習のいろいろなアルゴリズム
12 回帰:線形回帰
13 分類:ロジスティック回帰
14 分類:SVM(サポートベクターマシン)
15 分類:決定木
16 分類:ランダムフォレスト
17 分類:k-NN(k 近傍法)
18 クラスタリング:k-means(k 平均法)

第5章 チノふたたび! 画像から数字を予測しよう
19 データを準備する
20 学習データを準備する
21 学習させる
22 予測させる
23 教師なし学習を利用して、データをイメージしよう
24 さらに先へ進もう
読んだ人のクチコミ・とっつきづらい機械学習について分かりやすく教えてくれます。他の本を読んでも難しすぎて理解できなかったのですが、本書を読むことでようやく理解できました
・絵や図が豊富なので難しい機械学習の基本がよくわかります
・エンジニアでなくても機械学習について概要や基本を理解したい人にもおすすめできます
・ソースコードは少なめなのでプログラミングを学びたい人というよりは機械学習の概念を理解したい初心者がまず読む入門書・参考書として適しています

購入はこちら

本ではなくYoutubeですが、こちらのAI学習ロードマップ解説動画で学び方を勉強してみるのもおすすめです♪

初心者向けの機械学習・ディープラーニングおすすめ本

次に、プログラミング経験は一定あるけど機械学習やディープラーニングといった専門分野は知識がなくて、これから学びたいといった人におすすめの機械学習やディープラーニングの基本が学べる定番本をご紹介します!

初心者向けといってもオライリー本など含め、評判が高く読み応えのある3冊を紹介しています^^

Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

初心者向けの機械学習・ディープラーニングおすすめ本の1冊目は「Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎」です。Pythonの機械学習用の定番ライブラリ「scikit-learn」を使った機械学習の方法が学べます。数学的な知識がなくても理解できます。

本書を通じて機械学習の基礎を習得するとともに、優れた機械学習システムを実装し、精度の高い予測モデルを構築するために重要となる特徴量エンジニアリングやモデルの評価と改善についても学ぶことができます。初心者向けとはいえ、オライリー本なので内容がとても濃く、入門書としておすすめの書籍です。

▼書籍概要

書籍名Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
発売日2017/5/25
著者Andreas C. Muller (著), Sarah Guido (著), 中田 秀基 (翻訳)
ページ数392ページ
出版社オライリージャパン
本の概要・おすすめポイント本書を通じて機械学習の基礎を習得するとともに、優れた機械学習システムを実装し、精度の高い予測モデルを構築するために重要となる特徴量エンジニアリングやモデルの評価と改善についても学ぶことができます。初心者向けとはいえ、オライリー本なので内容がとても濃いおすすめの一冊です。
中身(目次)1章 はじめに
2章 教師あり学習
3章 教師なし学習と前処理
4章 データの表現と特徴量エンジニアリング
5章 モデルの評価と改良
6章 アルゴリズムチェーンとパイプライン
7章 テキストデータの処理
8章 おわりに
読んだ人のクチコミ・機械学習の入門書として一番勉強になりました。後輩にもおすすめしています。
・Pythonを初めて扱う方には難しいかもしれませんが、最低限の知識を持つ人にはぜひおすすめしたい本です。内容は濃いながらも、重要な観点に絞ってコンパクトにまとまっています
・「scikit-learn」を使った機械学習の方法を学びたい人は、参考図書として持っておきたい一冊

購入はこちら

仕事ではじめる機械学習 第2版

次に紹介する初心者向けの機械学習・ディープラーニングおすすめ本・書籍は「仕事ではじめる機械学習 第2版」です。本書はタイトルの通り、実際に「仕事で機械学習を使う」という観点で必要となる知識や考え方を学べる入門書です。

ビジネスとして機械学習プロジェクトをどう進めるか、機械学習エンジニアとしてどのようにアルゴリズムを選択し、システムとしてどう組み込んでいくか、機械学習のABテスト方法、など基本でありながら実務的な内容が盛り沢山です。まさに「機械学習を使って良い感じにシステムを作って」などの無理難題を上司や経営層から言われた人などにおすすめです^^;

▼書籍概要

書籍名仕事ではじめる機械学習 第2版
発売日2021/4/23
著者有賀 康顕, 中山 心太, 西林 孝
ページ数352ページ
出版社オライリージャパン
本の概要・おすすめポイント実際に「仕事で機械学習を使う」という観点で必要となる知識や考え方を学べる入門書です。

ビジネスとして機械学習プロジェクトをどう進めるか、機械学習エンジニアとしてどのようにアルゴリズムを選択し、システムとしてどう組み込んでいくか、機械学習のABテスト方法、など基本でありながら実務的な内容が盛り沢山です。
中身(目次)第I部
1章 機械学習プロジェクトのはじめ方
2章 機械学習で何ができる?
3章 学習結果を評価するには
4章 システムに機械学習を組み込む
5章 学習のためのリソースを収集する
6章 継続的トレーニングをするための機械学習基盤
7章 効果検証:機械学習にもとづいた施策の成果を判断する
8章 機械学習のモデルを解釈する

第II部
9章 Kickstarterの分析、機械学習を使わないという選択肢
10章 Uplift Modelingによるマーケティング資源の効率化
11章 バンディットアルゴリズムによる強化学習入門
12章 オンライン広告における機械学習
読んだ人のクチコミ・本書は機械学習プロジェクトのススメ方、データ収集管理方法、効果検証や分析の方法など、まさに実務的な内容が豊富に詰まった一冊です
・技術に触れるだけでなく、効果検証やMLOpsなど実務での「活用」に触れられている貴重な書籍です
・機械学習の入門書ってあまり実践的なイメージがわかないのですが、本書は具体的なケーススタディが紹介されており、これから使っていく想像ができました

購入はこちら

Pythonによるディープラーニング

初心者向けの機械学習・ディープラーニングおすすめ本で最後に紹介するのは「Pythonによるディープラーニング (Compass Booksシリーズ)」です。ディープラーニングをスタートレベルから学習して、アプリケーションを開発するための必要スキルまで身に着けられる良書です。

機械学習プラットフォームTensorFlowの上で動作するPythonで書かれたディープラーニングのAPIであるKerasについて紹介されており、数学やデータサイエンスの専門知識が無くても実装可能です。Pythonの基礎的な文法と機械学習の基礎知識を持つ初心者レベルの方がよりスキルアップしたいときにおすすめの一冊です。

▼書籍概要

書籍名Pythonによるディープラーニング (Compass Booksシリーズ)
発売日2022/3/23
著者Francois Chollet (著)、株式会社クイープ (翻訳)
ページ数496ページ
出版社マイナビ出版
本の概要・おすすめポイント機械学習プラットフォームTensorFlowの上で動作するPythonで書かれたディープラーニングのAPIであるKerasについて紹介されており、ディープラーニングのアプリケーションを開発するための必要スキルを身に着けることができます。
中身(目次)1章 ディープラーニングとは何か
2章 ニューラルネットワークの数学的要素
3章 KerasとTensorFlow
4章 ニューラルネットワーク入門:分類と回帰
5章 機械学習の基礎
6章 機械学習のユニバーサルワークフロー
7章 Kerasを使いこなす
8章 コンピュータビジョンのためのディープラーニング
9章 コンピュータビジョンのための高度なディープラーニング
10章 時系列のためのディープラーニング
11章 テキストのためのディープラーニング
12章 生成ディープラーニング
13章 現実世界でのベスト・プラクティス
14章 本書のまとめ
読んだ人のクチコミ・機械学習やディープラーニングの初学者でしたが、丁寧な解説で技術の深い部分まで理解できました
・表面的な部分ではなく内部の処理まできちんと説明してくれている最高の本です
・実際にKerasの開発者が解説してくれるので実践的かつ深い内容の本・参考書です

購入はこちら

中級者向けの機械学習・ディープラーニングおすすめ本

ある程度機械学習やディープラーニングを勉強したことがあり、Python文法の理解もしていて、初心者から中級者へと飛躍したい人におすすめの機械学習・ディープラーニングのおすすめ本・書籍を紹介していきます!

こちらもオライリー本など含め、評判が高く読み応えのあるものをリストアップしています^^(このレベルで実践的な技術書だとやはりオライリー本ばかりですね^^;)

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

中級者向けの機械学習・ディープラーニングが学べる最も定番な本が、「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」です。本書はディープラーニングの本格的な入門書で、ディープラーニングやニューラルネットワークの基礎を学びつつ、名前の通りゼロからPythonを使って実装まで学べます。既存のライブラリなどを使うわけではないので技術の深い部分までカバーできます。

初心者がつまづきやすい「なぜそうなるのか?」というWhyの部分もしっかり解説があるので理解が深まりやすいです。TensorFlowやKerasなどの機械学習や深層学習のフレームワークを使ったことはあるけど、仕組みまで理解できてない方は必読の一冊です。

▼書籍概要

書籍名ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装
発売日2016/9/24
著者斎藤 康毅
ページ数320ページ
出版社オライリージャパン
本の概要・おすすめポイントディープラーニングの本格的な入門書で、コンピューターの専門書としては異例の大ヒットを記録した人気の本です!ディープラーニングやニューラルネットワークの原理を基礎から学びつつ、Pythonを使って実装をすることで理解を深めていくことができます。これから深層学習の勉強を始めたい人、仕組みや原理をしっかり理解したい人におすすめ。
中身(目次)1章 Python入門
2章 パーセプトロン
3章 ニューラルネットワーク
4章 ニューラルネットワークの学習
5章 誤差逆伝播法
6章 学習に関するテクニック
7章 畳み込みニューラルネットワーク
8章 ディープラーニング
付録A Softmax-with-Lossレイヤの計算グラフ
読んだ人のクチコミ・何冊か深層学習(ディープラーニング)の入門書を読みましたがこの本が一番分かりやすいです
・フレームワークは使ったことがあるけどディープラーニングそのものの仕組みが理解できなかったので購入。結論、もっと早く読めばよかった!
・E資格の対策として購入したがとても満足です。ちょっとプログラムの部分が難しかったですが講座と組み合わせることでなんとかディープラーニングの理解を深めることができました
・まずは基礎から始まり少しずつ深い技術の解説に進んでくので、初心者でも勉強しやすかった

購入はこちら

ゼロから作るDeep Learning② ―自然言語処理編

機械学習・ディープラーニングをより実践的に学びたい中級者におすすめ本の2冊目は「ゼロから作るDeep Learning② ―自然言語処理編」です。さきほど紹介した「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」の続編です。本書では自然言語処理や時系列データ処理を中心にわかりやすく解説がされており、ディープラーニングの仕組みや原理をひとつずつ紐解きながら、実際に手を動かし、深い部分を学んでいくことができます。

▼書籍概要

書籍名ゼロから作るDeep Learning② ―自然言語処理編
発売日2018/7/21
著者斎藤 康毅
ページ数432ページ
出版社オライリージャパン
本の概要・おすすめポイント自然言語処理におけるディープラーニングの仕組みをよく理解できる一冊。前作同様、ゼロベースから実装して少しずつ深い部分を理解できます。機械学習といっても何をどう機械が学習しているのかが分かります。

具体的には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。

深層学習の基礎を学んだあとにさらに深い部分を学びたい人、仕組みや原理をしっかり理解したい人におすすめ。
中身(目次)1章 ニューラルネットワークの復習
2章 自然言語と単語の分散表現
3章 word2vec
4章 word2vecの高速化
5章 リカレントニューラルネットワーク(RNN)
6章 ゲート付きRNN
7章 RNNによる文章生成
8章 Attention
付録A sigmoid関数とtanh関数の微分
付録B WordNetを動かす
付録C GRU
読んだ人のクチコミ・ディープラーニングの基礎から技術の中核的な部分の一歩手前までカバーされています。本書だけだと100%にはなりませんが間違いなく良い一冊。
・E資格の試験対策として購入しましたが、単純にPythonでディープラーニングを動かすのがとても面白かったです。勉強というよりは楽しく理解をすすめることができました。
・機械がどのように処理しているのか?などの深い部分をちゃんと理解できます。前の本を読んでいれば難易度的にも丁度よいと感じました

購入はこちら

ゼロから作るDeep Learning③ ―フレームワーク編

次もオライリー本で先程の続編のディープラーニングを実装するシリーズ本「ゼロから作るDeep Learning③ ―フレームワーク編」です。本書は機械学習・ディープラーニング分野の書籍で大ヒットを続ける人気シリーズの第三弾で、今回は「DeZero」という本書オリジナルのフレームワークをゼロから実装していきます。

全部で60ものステップを通じて実際にフレームワークを開発することで、PyTorch、TensorFlow、Chainerなどの現代のフレームワークに通じる知識を深めることができます。

▼書籍概要

書籍名ゼロから作るDeep Learning③ ―フレームワーク編
発売日2020/4/20
著者斎藤 康毅
ページ数552ページ
出版社オライリージャパン
本の概要・おすすめポイント本書は機械学習・ディープラーニング分野の書籍で大ヒットを続ける人気シリーズの第三弾で、今回は「DeZero」という本書オリジナルのフレームワークをゼロから実装していきます。
全部で60ものステップを通じて実際にフレームワークを開発することで、PyTorch、TensorFlow、Chainerなどの現代のフレームワークに通じる知識を深めることができます。
中身(目次)第1ステージ 微分を自動で求める
第2ステージ 自然なコードで表現する
第3ステージ 高階微分を実現する
第4ステージ ニューラルネットワークを作る
第5ステージ DeZeroで挑む
付録A インプレース演算(ステップ14の補足)
付録B get_item関数の実装(ステップ47の補足)
付録C GoogleColaboratoryで動かす
読んだ人のクチコミ・オリジナルフレームワークを開発する過程で、普段使用しているフレームワークがどのように設計・実装されているのか?理解を深められます
・考えながら手を動かして学ぶので、普通に技術書を読むだけよりも圧倒的にスキルアップに繋がります
・この手の本はあまり良いものが無い印象ですが、本書はすごく良かった

購入はこちら

直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ

次に紹介する中級者向けの機械学習・ディープラーニング学習本は「直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ」です。TensorFlowをバックエンドとして使用し、人気ライブラリであるKerasとPythonで様々なモデルを実装していきます。プログラムと図解で説明されているので、数式は少しだけ出ていますが普通に読み進めることができます。

Kerasを用いて画像識別、自然言語処理、テキスト生成、強化学習など幅広いトピックがカバーされていて、Kerasの使い方を学ぶのにも最適な一冊です。Deep Learningの基本的な仕組みを理解している人が動くコードをどう書くのか学ぶのにおすすめの書籍です。

▼書籍概要

書籍名直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ
発売日2018/8/11
著者Antonio Gulli (著)、Sujit Pal (著)、大串 正矢 (翻訳)、久保 隆宏 (翻訳)、中山 光樹 (翻訳)
ページ数336ページ
出版社オライリージャパン
本の概要・おすすめポイントDeep Learningの基本的な仕組みを理解している人が動くコードをどう書くのか学ぶのにおすすめの書籍です。プログラムと図解で説明されているので、数式は少しだけ出ていますが普通に読み進めることができます。
中身(目次)1章 ニューラルネットワークの基礎
2章 KerasのインストールとAPI
3章 畳み込みニューラルネットワーク
4章 GANと WaveNet
5章 単語分散表現
6章 リカレントニューラルネットワーク
7章 さまざまなディープラーニングのモデル
8章 AIによるゲームプレイ
9章 総括
付録A GPUを考慮した開発環境の構築
読んだ人のクチコミ・kerasでディープラーニングを実装したいと思って買いました。手を動かして学べるので身につきやすいです。
・コードが多いので、読み物としては向いてない。内容は濃くて勉強になった。
・ディープラーニングの基本を学ぶ書籍としておすすめ。まずはシリーズ1・2を先に読んでから挑戦するとよさそう

購入はこちら

scikit-learn、Keras、TensorFlowによる実践機械学習 第2版

某会社の若手向け機械学習トレーニングの教材として採択されていたり、中級者向けの機械学習・ディープラーニング分野でなかなか評判が良い書籍の1つが「scikit-learn、Keras、TensorFlowによる実践機械学習 第2版」です。

機械学習の基礎的な説明からはじまり、実際にコードを動かしながら学んで機械学習・深層学習が使えるようになっていくことを目指しています。現実的な問題に対して、サンプルデータを示しながら機械学習という解決策を用いて問題解決をしていくという業務で実際に踏んでいく流れを体験することができます。

▼書籍概要

書籍名scikit-learn、Keras、TensorFlowによる実践機械学習 第2版
発売日2020/11/4
著者Aurélien Géron (著)、下田 倫大 (監修)、長尾 高弘 (翻訳)
ページ数832ページ
出版社オライリージャパン
本の概要・おすすめポイント機械学習の基礎的な説明からはじまり、実際にコードを動かしながら学んで機械学習・深層学習が使えるようになっていくことを目指しています。現実的な問題に対して、サンプルデータを示しながら機械学習という解決策を用いて問題解決をしていくという業務で実際に踏んでいく流れを体験することができます。
中身(目次)第I部 機械学習の基礎
1章 機械学習の現状
2章 エンドツーエンドの機械学習プロジェクト
3章 分類
4章 モデルの訓練
5章 サポートベクトルマシン(SVM)
6章 決定木
7章 アンサンブル学習とランダムフォレスト
8章 次元削減
9章 教師なし学習のテクニック

第II部 ニューラルネットワークと深層学習
10章 人工ニューラルネットワークとKerasの初歩
11章 深層ニューラルネットワークの訓練
12章 TensorFlowで作るカスタムモデルとその訓練
13章 TensorFlowによるデータのロードと前処理
14章 畳み込みニューラルネットワークを使った深層コンピュータビジョン
15章 RNNとCNNを使ったシーケンスの処理
16章 RNNと注意機構による自然言語処理
17章 オートエンコーダとGANを使った表現学習と生成型学習
18章 強化学習
19章 大規模なTensorFlowモデルの訓練とデプロイ

付録A 演習問題の解答
付録B 機械学習プロジェクトチェックリスト
付録C SVM双対問題
付録D 自動微分
付録E その他の広く知られているANNアーキテクチャ
付録F 特殊なデータ型
付録G TensorFlowグラフ
読んだ人のクチコミ・コードがGithubで公開されているので、手を動かして試しながら機械学習を学ぶことができます
・学習に使うデータの処理、クリーニングといった地味だけどとても重要なパートもあって、とても実践的な内容です
・機械学習エンジニアを目指すならぜひ一周はしておきたい良書

購入はこちら

[第3版]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

機械学習・ディープラーニングの中級者向けとしてギリギリ最後に紹介できる本がこちらの「[第3版]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」です。

世界各国で翻訳されている機械学習本のベストセラーで、分類/回帰問題から深層学習/強化学習まで、機械学習で扱う分野を総合的にカバーしつつ、その理論の背景とPythonのコードを載せて詳しく解説しています。難易度高めで初心者が手を出すのは難しいですが良書です。かなり分厚くて情報量が多いため、辞書的に使っていくのもおすすめ。

▼書籍概要

書籍名[第3版]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
発売日2020/11/22
著者Sebastian Raschka (著)、Vahid Mirjalili (著)、福島真太朗 (監修)、株式会社クイープ (翻訳)
ページ数688ページ
出版社インプレス
本の概要・おすすめポイント世界各国で翻訳されている機械学習本のベストセラーで、分類/回帰問題から深層学習/強化学習まで、機械学習で扱う分野を総合的にカバーしています。難易度高めで初心者が手を出すのは難しいですが良書です。
中身(目次)第1章 「データから学習する能力」をコンピュータに与える
第2章 分類問題―単純な機械学習アルゴリズムの訓練
第3章 分類問題―機械学習ライブラリscikit-learnの活用
第4章 データ前処理―よりよい訓練データセットの構築
第5章 次元削減でデータを圧縮する
第6章 モデルの評価とハイパーパラメータのチューニングのベストプラクティス
第7章 アンサンブル学習―異なるモデルの組み合わせ
第8章 機械学習の適用1―感情分析
第9章 機械学習の適用2―Webアプリケーション
第10章 回帰分析―連続値をとる目的変数の予測
第11章 クラスタ分析―ラベルなしデータの分析
第12章 多層人工ニューラルネットワークを一から実装する
第13章 ニューラルネットワークの訓練をTensorFlowで並列化する
第14章 TensorFlowのメカニズム
第15章 画像の分類―ディープ畳み込みニューラルネットワーク
第16章 系列データのモデル化―リカレントニューラルネットワーク
第17章 新しいデータの合成―敵対的生成ネットワーク
第18章 複雑な環境での意思決定―強化学習
読んだ人のクチコミ・機械学習を入門したかったらこの一冊で十分通用するレベルになれます
・Pythonを全く触ったこと無い人や数学の知識が無い人は厳しいと思います。ただ、読めるレベルに至っている人にとっては神クラスの技術書・参考書といえます
・しっかり機械学習やニューラルネットワークを学びたい人におすすめ
・網羅的なので全体像を把握することができる

購入はこちら

その他の機械学習・ディープラーニングおすすめ本

最後のパートはAI・人工知能に関する読み物的な書籍であったり、あるいは専門度合いがさらに高い機械学習・ディープラーニング分野の書籍などを紹介していきます!

ディープラーニングを支える技術 ——「正解」を導くメカニズム

ディープラーニングを初めて学ぶ人向けに書かれた本である「ディープラーニングを支える技術 ——「正解」を導くメカニズム」もおすすめです!本書ではディープラーニングに関する基礎の基礎である「ディープラーニングや人工知能とはそもそも何か?」の解説からはじまって、ディープラーニングの技術基礎や発展的な内容、アプリケーションでの活用に至るまで、幅広く解説してくれている良書です。

数学も高校卒業レベルで十分読むことができる内容ですが、巻末付録で線形代数・微分・確率の解説があります。ディープラーニング技術について原理・原則を学びたい人に読んでほしい一冊です。

▼書籍概要

書籍名ディープラーニングを支える技術 ——「正解」を導くメカニズム
発売日2022/1/8
著者岡野原 大輔
ページ数304ページ
出版社技術評論社
本の概要・おすすめポイント本書ではディープラーニングに関する基礎の基礎である「ディープラーニングや人工知能とはそもそも何か?」の解説からはじまって、ディープラーニングの技術基礎や発展的な内容、アプリケーションでの活用に至るまで、幅広く解説してくれている良書です。
中身(目次)第1章 ディープラーニングと人工知能 ——なぜディープラーニングが成功しているのか
第2章 [入門]機械学習 ——コンピュータの「学習」とは何か
第3章 ディープラーニングの技術基礎 ——データ変換の「層」を組み合わせて表現学習を実現する
第4章 ディープラーニングの発展 ——学習と予測を改善した正規化層/スキップ接続/注意機構
第5章 ディープラーニングを活用したアプリケーション ——大きな進化を遂げた画像認識、音声認識、自然言語処理
Appendix [厳選基礎]機械学習&ディープラーニングのための数学
読んだ人のクチコミ・間違いなくディープラーニング入門のための決定版と言える内容です。入門なので広く浅く、ポイントを絞ってインプットできます!
・ディープラーニング技術について全体を俯瞰するために有益でした
・ディープラーニングの理解の導入として役に立ちました

購入はこちら

人工知能は人間を超えるか

昨今Chat-GPTなどの大規模言語モデルが世間でも話題になっていますが、AI・人工知能の基本概念や歴史など、人工知能を理解できている人は多くないと言えます。本書「人工知能は人間を超えるか」は日本のAI研究を牽引している松尾豊先生が2015年に執筆した書籍です。数年前の本ですが、今も色褪せないどころか、当時の予測が現代に当てはまる部分も多く、今だからこそ読んでおきたい本の一冊です!

▼書籍概要

書籍名人工知能は人間を超えるか
発売日2015/3/10
著者松尾 豊
ページ数233ページ
出版社KADOKAWA
本の概要・おすすめポイント人工知能について基本概念からしっかり学ぶことができる良書です。数年前の本ですが、今も色褪せないどころか、当時の予測が現代に当てはまる部分も多く、今だからこそ読んでおきたい本の一冊です!
中身(目次)序章 広がる人工知能―人工知能は人類を滅ぼすか
第1章 人工知能とは何か―専門家と世間の認識のズレ
第2章 「推論」と「探索」の時代―第1次AIブーム
第3章 「知識」を入れると賢くなる―第2次AIブーム
第4章 「機械学習」の静かな広がり―第3次AIブーム1
第5章 静寂を破る「ディープラーニング」―第3次AIブーム2
第6章 人工知能は人間を超えるか―ディープラーニングの先にあるもの
終章 変わりゆく世界―産業・社会への影響と戦略
読んだ人のクチコミ・人工知能について概要を把握する上で最も有益な本がこちらです
・AIに対しての適切な捉え方がわかりました
・10年近く前の本ですが今だからこそ読んでおきたい内容がぎっしり詰まっています!
・読み物としてAI・人工知能の基本について学ぶことができる良書

購入はこちら

最短コースでわかる PyTorch &深層学習プログラミング

深層学習についてよく理解したい人におすすめしたい参考書は「最短コースでわかる PyTorch &深層学習プログラミング」です。

ディープラーニングのアルゴリズムを原理や仕組みレベルから理解できるようになります。また、機械学習の基本から、「CNN」などを使った画像認識ディープラーニングモデルの開発・チューニングまでをじっくり学べるので、この一冊をまず読んでおけばある程度の範囲は理解できる一冊です。

▼書籍概要

書籍名最短コースでわかる PyTorch &深層学習プログラミング
発売日2021/9/17
著者赤石 雅典
ページ数584ページ
出版社日経BP
本の概要・おすすめポイントディープラーニングのアルゴリズムを原理や仕組みレベルから理解できるようになります。原理や仕組みから学べるので、「一体、ディープラーニングが何をしているのか?」が分かるようになります。

なぜ、そうなのか?をしっかり解説してくれるので、技術の深い部分・本質的な部分を理解したい人、ディープラーニングの根本的な部分を理解したい人などにおすすめです!
中身(目次)序章 初めての画像認識

基礎編
1章 ディープラーニングのためのPythonのツボ
2章 PyTorchの基本機能
3章 初めての機械学習
4章 予測関数の定義

機械学習 実践編
5章 線形回帰
6章 2値分類
7章 多値分類
8章 MNISTを使った数字認識

画像認識 実践編
9章 CNNによる画像認識
10章 チューニング技法
11章 事前学習済みモデルの利用
12章 カスタムデータの画像分類

講座 Python入門、NumPy入門、Matplotlib入門
読んだ人のクチコミ・深層学習について非常に丁寧に説明されており、著者の親切さがにじみ出ています。しっかり本質的な部分から理解を深められます
・E資格の勉強する前にたまたま読みました。この本で基礎を理解できたのでその後の勉強が頭に入ってきやすかったです

購入はこちら

最短コースでわかる ディープラーニングの数学

数学があまり得意でないけどディープラーニングの勉強にチャレンジしたい人におすすめしたい本は「最短コースでわかる ディープラーニングの数学」です。本書はディープラーニングの本質を理解するためには欠かせない数学を最短コースで学ぶことができます。

高校一年生レベルの数学(微分、ベクトル、行列、確率など)から、ディープラーニングに必要な部分だけに絞って、優しく分かりやすく解説してくれます。

▼書籍概要

書籍名最短コースでわかる ディープラーニングの数学
発売日2019/4/11
著者赤石 雅典
ページ数349ページ
出版社日経BP
本の概要・おすすめポイントディープラーニングの本質を理解するためには欠かせない数学を最短コースで学ぶことができます。高校一年生レベルの数学(微分、ベクトル、行列、確率など)から、ディープラーニングに必要な部分だけに絞って、優しく分かりやすく解説!

数学が得意でない人、高校数学を忘れてしまった人でも、機械学習およびディープラーニングを理解していける書籍です。必要なところだけを最小限に絞っているので勉強も進めやすいです。
中身(目次)導入編
1章 機械学習入門

理論編
2章 微分・積分
3章 ベクトル・行列
4章 多変数関数の微分
5章 指数関数・対数関数
6章 確率・統計

実践編
7章 線形回帰モデル(回帰)
8章 ロジスティック回帰モデル(2値分類)
9章 ロジスティック回帰モデル(多値分類)
10章 ディープラーニングモデル

発展編
11章 実用的なディープラーニングを目指して
読んだ人のクチコミ・高校時代は文系で数学はもう忘れていましたが、思い出しながら復習できました
・基礎から着実に学んでいけるので、ディープラーニングの本質や原理がよく理解できます!
・E資格で応用数学が苦手でしたが、本書を読むことで数学の理解もした上で機械学習や深層学習を学べたので、その後の勉強が捗りました

購入はこちら

深層学習教科書 ディープラーニング G検定(ジェネラリスト)公式テキスト 第2版

次に紹介するディープラーニング学習本が「深層学習教科書 ディープラーニング G検定(ジェネラリスト)公式テキスト 第2版」です。ディープラーニングの基礎知識を有しているかを認定するジェネラリスト向けの資格・G検定の公式テキストです。広く浅く解説されているため、ディープラーニングを初めて学ぶ初学者向けの入門本としても有益です。具体的なプログラミングが学べるというわけではないですがAIの概要や歴史、事例なども掲載されているのでG検定の試験対策目的だけでなく、まさにデジタル時代の必読本と言えると思います!

▼書籍概要

書籍名深層学習教科書 ディープラーニング G検定(ジェネラリスト)公式テキスト 第2版
発売日2021/4/27
著者猪狩 宇司、今井 翔太、江間 有沙、岡田 陽介、工藤 郁子、巣籠 悠輔、瀬谷 啓介、徳田 有美子、中澤 敏明、藤本 敬介、松井 孝之、松尾 豊、松嶋 達也、山下 隆義、一般社団法人日本ディープラーニング協会 (監修)
ページ数404ページ
出版社翔泳社
本の概要・おすすめポイントディープラーニングの基礎知識を有しているかを認定するジェネラリスト向けの資格・G検定の公式テキストです。広く浅く解説されているため、ディープラーニングを初めて学ぶ初学者向けの入門本としても有益です。
中身(目次)試験の概要
第1章 人工知能(AI)とは
第2章 人工知能をめぐる動向
第3章 人工知能分野の問題
第4章 機械学習の具体的手法
第5章 ディープラーニングの概要
第6章 ディープラーニングの手法
第7章 ディープラーニングの社会実装に向けて
Appendix 事例集 産業への応用
読んだ人のクチコミ・G検定の公式テキストだけあって試験範囲をきちんと網羅しています
・ディープラーニングの入門書として本書を推薦します
・体系的にAIやディープラーニングを学べるのでおすすめ。一応G検定も受けてみて、無事に受かりました〜

購入はこちら

機械学習による検索ランキング改善ガイド

最後に紹介するのは機械学習を実務で使う(もっというと検索システムの改善という特定領域での活用)場合にフォーカスした書籍、「機械学習による検索ランキング改善ガイド ―技術解説とハンズオンで学ぶ機械学習ランキングモデルの導入と改善」です。

広い意味で「機械学習を学びたい!」という方には向かないですが、実際に担当しているプロダクトに検索機能がある方や検索機能を担当しているPDMやエンジニアの方にぜひ読んでほしい一冊です。

▼書籍概要

書籍名機械学習による検索ランキング改善ガイド ―技術解説とハンズオンで学ぶ機械学習ランキングモデルの導入と改善
発売日2023/8/23
著者真鍋 知博、社本 秀之、井関 洋平、鈴木 翔吾
ページ数304ページ
出版社オライリージャパン
本の概要・おすすめポイント実際に担当しているプロダクトに検索機能がある方や検索機能を担当しているPDMやエンジニアの方にぜひ読んでほしい一冊。機械学習を利用しないランキング改善と、機械学習を利用した検索ランキング改善の両方を取り扱っており、得手不得手などもよく理解できます。
中身(目次)第I部 機械学習導入プロジェクト
1章 検索の基本
2章 検索システム
3章 ランキング改善プロジェクトの流れとプロジェクト準備
4章 機械学習を利用しない検索ランキング改善
5章 機械学習検索ランキングによる検索ランキング改善
6章 検索ランキングモデルを改善・運用する
7章 負荷テスト
8章 A/Bテスト

第II部 ハンズオン
10章 ElasticsearchにWikipediaデータセットを保存する
11章 ベースラインのランキングロジックを評価する
12章 訓練データセットの生成
13章 検索ランキングモデルの学習とオフライン評価
14章 検索ランキングモデルの定性評価
15章 検索ランキングモデルによる性能影響の測定
付録Aベクトル検索と機械学習
読んだ人のクチコミ・検索機能の担当になりどのようにランキング改善をしていくべきかイメージが付きました
・検索システムにおいて機械学習を活用する方法について実践的に学べます
・機械学習を使わないランキング改善、使うランキング改善の両方を紹介してくれているので、より意味のある活用ができました

購入はこちら

さいごに

以上、機械学習・ディープラーニングのおすすめ本を初心者から中級者向けまで幅広くご紹介しましたがいかがでしたか?

どの本もサクッと読めるわけではなく、じっくり腰を据えて読むものなので、1つずつ手にとって見てください^^

参考になった方はシェアやブックマークなど、ぜひお願いいたします!

シェアする