=====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\\ {{:pasted:20170603-234728.png}}\\ =>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。 {{:pasted:20170603-235314.png}}\\ 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]] \\ [[sidebar|目次]]\\ 次： [[機械学習トピックス2017年版]]