目次
機械学習の理論の説明のリンク集
機械学習が専門家の間で爆発的に流行したきっかけとしては、毎年開催されているAIの画像認識大会であるImageNetで、2012年に、Deep Learningの手法を用いたAlexNetというチームが前年度までの優勝者をブッチギる形（Top5エラー率が、2011年の25.7%から、2012年のAlexNetで16.7%）で優勝したことにあります。Deep Learningというのは、基本的には、ニューラルネットワークの隠れ層を深くしたものですから、それまでの知識も大事です。ですから、2011年以前の記事へのリンクも記載させていただきます。
高卒でもわかる機械学習 (0) 前置き
2015年11月24日
http://hokuts.com/2015/11/24/ml0/
2011-01-14
機械学習超入門 ～そろそろナイーブベイズについてひとこと言っておくか～
計算機科学
http://d.hatena.ne.jp/echizen_tm/20110114/1295030258
2014年6月17日
機械学習アルゴリズムへの招待
http://postd.cc/a-tour-of-machine-learning-algorithms/
連載 機械学習 はじめよう
2010年6月25日-2013年12月25日
http://gihyo.jp/dev/serial/01/machine-learning
⇒ロジスティック回帰、ベイズ線形回帰、パーセプトロン、線形回帰、ベイズ確率、ベジアンフィルタなどについての説明と、Python2.6を用いての実装方法の解説があります。
ゼロからDeepまで学ぶ強化学習
icoxfog417
2017年05月23日に更新
http://qiita.com/icoxfog417/items/242439ecd1a477ece312
機械学習の理論リスト
六本木で働くデータサイエンティストのブログ
2014-03-31
社会人が統計学や機械学習を学ぶなら「落下傘方式」で
http://tjo.hatenablog.com/entry/2014/03/31/191907
⇒機械学習の実装はPythonで、統計学の実装はRがお勧めです。
余談ですが、簡単な統計をするなら、EZR（http://www.jichi.ac.jp/saitama-sct/SaitamaHP.files/statmed.html）（無料、論文作成にも使用できる）がおすすめです。
引用元：https://www.slideshare.net/miyoshiyuya/ss
http://qiita.com/tomomoto/items/b3fd1ec7f9b68ab6dfe2
代表的な機械学習手法一覧
tomomoto
2017年02月18日に更新
ベイズ理論
ようやく分かった！最尤推定とベイズ推定
Akira Masuda
Published on Nov 16, 2015
https://www.slideshare.net/iranainanimosuteteshimaou/ss-55173144
学部生向けベイズ統計イントロ(公開版)
考司 小杉
Published on Jul 21, 2015
https://www.slideshare.net/KojiKosugi/ss-50740386
ベイズ統計入門
Miyoshi Yuya
Published on Mar 3, 2013
https://www.slideshare.net/miyoshiyuya/ss
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
Published on Mar 6, 2016
https://www.slideshare.net/matsukenbook/15-59154892
⇒難しい。。。
線形識別モデル
SVM(サポートベクトルマシン)
パーセプトロン
Deep Learning(深層学習)
RNN(Recurrent Neural Network)
DCGAN(Deep Convolutional Generative Adversarial Network)
DQN(Deep Q-Network)
前：
機械学習の歴史のリンク集
目次
次：
機械学習トピックス2017年版