機械学習の有益な書籍情報を共有します

機械学習の有益な書籍情報を共有します。

初心者向け
最初に読む本としては「オンライン機械学習」「フリーソフトではじめる機械学習入門」「言語処理のための機械学習入門」がオススメです。
「オンライン機械学習」は3章までが入門的な内容になっています。4章以降は発展的な内容なのである程度力がついてからが良いです。オンライン機械学習という分野は実装が簡単で実用性が高いので最初に取り組むのに適しています。
広い範囲で機械学習を概観したい場合は「フリーソフトではじめる機械学習入門」がよいです。こちらは全体像がつかみやすい反面、数式の展開がわかりにくい箇所がちらほらあるので適当なスルー力が必要とされます。
「言語処理のための機械学習入門」はやや実装よりの本です。数式をみるより具体例をみたほうがわかりやすい、という人はこの本が良いと思います。
　　

数学
何をやるにしても基礎体力は大切。数学の理解が深まれば深まるほど機械学習が楽しくなります。
数学といえば微分積分と線形代数です。微分積分は何をやろうとしているかは明確だと思うので、とにかく練習問題を解くのが良いです。「基礎からの微分積分」がオススメです。

線形代数は何をやろうとしているのかイメージがつきにくい人が多い気がします。「キーポイント線形代数」は線形代数のイメージがわかりやすい良書です。また、やや程度が高いですが「33の素敵な数学小景」は線形代数が楽しくなる素晴らしい本です。線形代数の基礎知識が付録にまとまっているのでリファレンスとしても使えます。
　

ベイズ
機械学習で確率モデルを扱う場合なにかとベイズが出てくるので知っておくと良いのですが、慣れるまでは概念がわかりにくいと感じる人も多いかと思います。「図解・ベイズ統計「超」入門」は伝説のベイジアン先生がわかりやすくベイズの基礎を教えてくれるので大変オススメです。

中級者向け
有名な本なので知っている人は多いと思いますが、中級者であれば「パターン認識と機械学習（PRML）」を読むのが良いです。即効性はないですが確実に力がつきます。
　

なにかと話題の深層学習については以下の本が簡潔でよいです。PRMLが読めれば問題なく理解できると思います。

生成モデルに興味がある人は「続・わかりやすいパターン認識」「トピックモデルによる統計的潜在意味解析」がオススメです。こちらもPRMLが読めれば問題なく理解できると思います。
　

上級者向け
論文読め。