このアルゴリズムに関する優れた本を読めば、AIを本当に理解できる

[[240202]]

新しい技術を学ぶとき、多くの人は公式ドキュメントを読み、ビデオチュートリアルやデモコードを見て、最後にプロジェクトを実行してその技術に慣れていきます。しかし、それを深く習得したいのであれば、おそらく最良の方法は、時の試練に耐え、その原理、実装、設計概念を理解することができる良書を数冊読むことです。

本日、Alimeiはアリババのアルゴリズム専門家数名を招待し、AI分野の古典作品を皆様に推薦していただきました。これらの本を読むことで、AI テクノロジーに対する理解が深まり、この職業の楽しさと価値を徐々に理解できるようになります。

おすすめの本: パターン認識と機械学習

推薦者: Yong Shu (上級アルゴリズム専門家)

推奨理由: この本は、私にとって機械学習の入門書です。著者の Christopher M. Bishop 氏は、Microsoft テクニカル フェローであり、Microsoft Research Lab のディレクターです。この本は全体で 700 ページ以上あり、ベイジアン理論フレームワークに基づいた機械学習のいくつかの重要な方向性を体系的に紹介しています。この本には現在、演習の回答から特定のコード実装まで、豊富な関連リソースが揃っており、有名なアメリカの大学のコースウェアも提供されています。

PRML は私の本棚で最もよく読まれている本の 1 つです。何度も読むのに適しています。この本の ML 問題の本質の説明は非常に明確できれいで、美しいと言っても過言ではありません。この本は初心者に適しているだけでなく、ML の分野で研究や応用に携わる人々にも多くのインスピレーションを与えてくれます。

おすすめの本: 凸最適化

推薦者: Yong Shu (上級アルゴリズム専門家)

推奨理由: 多くの機械学習の問題は、最終的には最適化問題に還元できます。私が博士課程を勉強していたとき、学校の最適化理論は A と B に分かれており、A はより理論的でした。私は Yuan Yaxiang 教授がまとめた最適化理論を使用しましたが、習得するのは非常に困難でした。国家試験では良い成績を収めましたが、常に「これをどのように使用すればよいのか」という疑問が頭に残っていました。

仕事を始めた当初は、クリック率予測モデルに取り組む機械学習モデルグループに配属されました。数百億のサンプルを持つ浅いモデルを解くアルゴリズムを手作業で書かなければなりませんでした。まったく混乱していて、どこから始めればいいのかわからなかったとき、私の指導者がこの本を勧めてくれました。著者のボイド氏はBFGSアルゴリズムの提案者の一人で、深いスキルを持っています。この本はまさにエンジニア向けに作られています。問題の定義から解決まで、各章を読めば、それを実装するためのmatlabやpythonコードをスムーズに書くことができます。私はこの本を、演習を含むビデオチュートリアルと併せて 7 か月以上使用し、多くのことを学びました。今、私はこの本を皆さんにお勧めしたいと思います。この本には、機械学習で使用されるすべての最適化アルゴリズムルーチンが含まれています。これは、パラメータ調整やパッケージ切り替えを超えて進みたいすべてのエンジニアにとって必須のチートシートです。

おすすめの本: ディープラーニングの基礎: 初心者のための入門

推薦者: Qiu Min (シニア データ テクノロジー エキスパート)

推奨理由: この本は初心者に適しています。基本的な概念と基本的な数学の知識をわかりやすく説明し、独自のディープラーニング モデルを構築するためのステップバイステップの例を示します。

おすすめの本: オペレーションズリサーチにおける最適化

推薦者: Qiu Min (シニア データ テクノロジー エキスパート)

推奨理由：本書は機械学習とは全く関係なく、主に最適化関連の理論について語られていますが、実は多くの統計学習理論はこれらの最適化理論を基盤として構築されています。この最適化の知識を理解することは、機械学習のモデルと原理をより深く理解するのに役立ちます。この本は初心者に適しています。いくつかの問題とアルゴリズムの原理を比較的詳しくわかりやすく説明しており、教科書として使用できます。

おすすめの本: 人工知能: 現代的アプローチ

推薦者: Ruixi (上級アルゴリズム専門家)

推奨理由：本書はAIのさまざまな分野を包括的に紹介しています。私がこれまで読んだAIに関する教科書の中で最も包括的なものです。同時に、本書はさまざまな分野を紹介する上でもかなりの深さがあり、物語は明確で、論理的に厳密で、自己完結的です。 AIの教科書としても、AIに関する百科事典的な参考書としても最適です。

おすすめの本: 自然言語処理におけるディープラーニング

推薦者: Yu Heng (アルゴリズム専門家)

推奨理由: この本は、ある程度の基礎知識を持つ読者に適しています。この本は、音声認識の専門家である Deng Li 氏と自然言語処理の専門家である Liu Yang 氏の共著です。一般的な NLP 問題におけるディープラーニングの応用を体系的に紹介しており、現在この分野の研究に関する最高かつ最も包括的なレビューとなっています。これらの分析に基づいて、ニューラルシンボリック統合フレームワーク、メモリベースのモデル、事前知識の融合、ディープラーニングパラダイムなど、NLP の将来の開発に向けた研究の方向性が議論されます。 2018年の傑作です。ディープラーニングや自然領域処理に興味がある方には見逃せない作品です。

おすすめの本: 機械学習

[[240203]]

推薦者: Ran Ran (アルゴリズム専門家)

おすすめの理由: この本は、中国のトップ機械学習専門家である周志華によって書かれています。この本ではスイカを例に挙げているため、「スイカの本」とも呼ばれています。

内容から判断すると、この本は機械学習のさまざまな段階にある学習者に適しています。最初の 3 章では、機械学習の基礎を紹介しています。第 4 章から第 9 章では、一般的に使用される機械学習の方法とモデルを紹介しています。この部分は、ある程度のコンピューターのバックグラウンドを持つ学部生に非常に適しています。第 10 章から第 16 章では、機械学習の高度な知識を紹介しており、大学院生に適しています。

周先生は20年以上の深い学問的基礎を持っていますが、この本を書くときに知識をひけらかすことはしませんでした。文章は分かりやすく、読みやすいです。本の中には、内容を説明するための多くの物語の例が挿入されており、これは特に珍しいことです。また、本のレイアウトや制作の観点から見ると、この本は正方形になっており、各ページの横の余白はメモを取るのに適しています。機械学習分野の古典書籍『機械学習』と比較すると、本書は難解でわかりにくい公式導出を多数列挙していないため、読みやすく、春風のように爽やかです。この本はすべて中国語で書かれており、中国の読者に非常に適しています。

本書の言葉でまとめると、『西瓜書』は「中国人向けに書かれた機械学習の教科書」です。

未来の社会は知能社会です。今の学習をしっかり計画してこそ、将来も安心できます。

[この記事は51CTOコラムニスト「アリババオフィシャルテクノロジー」によるオリジナル記事です。転載については原著者にお問い合わせください。]

この著者の他の記事を読むにはここをクリックしてください