本の感想一覧：Python（機械学習）
概要・前提
自分が読んだ本の記録を記載します。内容は「機械学習」です。
【留意事項】
●完全に個人的な意見であり本の購入や不買を勧めるものではありません。
●評価は自分がどれだけ理解できて実装の役に立ったかを軸としています。理解力がそれほどないため他人の意見とは異なってきます。
●記載は順不同です。
●評価は10点満点です。
１．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 _斎藤 康毅
評価：10点
備考：事前にPythonの知識は必要
Pythonを使えることが前提ですが、深層学習の基礎がしっかり理解できます。ただの説明だけでなくスクラッチでコードを触りながら確認できるため、詳細な動きを自分の頭の中に落とし込めました。
２．ゼロから作るDeep Learning ❷ ―自然言語処理編_斎藤 康毅
評価：9点
備考：前提知識があれば10点だったと思う。読破は多分1.5か月くらい
自然言語処理が理解できます。こちらもスクラッチでコードを触りながら学べるため非常に理解しやすかったです。ただし①・③と比較すると理解するのが難しく、後で振り返ると十分に理解できなかった部分があったため1点減点しました。
３．ゼロから作るDeep Learning ❸ ―フレームワーク編_斎藤 康毅
評価：10点
備考：読破は多分2か月くらい
PFNが開発したChainerの仕組み・動きを1から理解できる本です。この本のおかげで誤差逆伝搬の動きを理解することができました。
深層学習フレームワークのPytorchを勉強される方は使用前後で読むと相当理解が深まると思います。
４．ゼロから作る Deep Learning ❹ ―強化学習編_斎藤 康毅
良書：コメント下記
５．直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ_Antonio Gulli
評価：4点
備考：kerasが使えるなら高得点だと思うけど見る人はKeras初心者だと思う
記載されたコードのアウトプットはある程度実務にも生かすことができると思うのでその点は高評価である。ただし初版発行が2018年8月でありKeras(+Tensorflow)のAPIが変わりすぎているため適当に準備した環境だと動かない。そもそも初心者にとって環境構築や仮想環境をつくるのは死ぬほど難しいので正直本の内容が進まない。
６．機械学習のための特徴量エンジニアリング ―その原理とPythonによる実践_Alice Zheng
評価：5点
備考：Pythonの事前理解は必須
SIGNATEやKaggleコンペに参加してみて思った以上に精度が出なかったためこの本で勉強した。交互作用特特徴量などは記事でも参考にしました。
ただ特徴量作成の手法が羅列しているけど、各特徴量が精度にどのくらい影響を与えるかの事例が理解しにくく正直後にうまく生かせていないので減点評価です。
７．データ収集からWebアプリ開発まで 実践で学ぶ機械学習活用ガイド_吉崎亮介
評価：9点
備考：ー
機械学習を実装するための知識が盛りだくさんの一冊です。機械学習そのものだけでなく、モデルの保存・データベース作成・情報収集方法など幅広く紹介しているため本当に実装したい方に適していると思います。
８．すぐに使える! 業務で実践できる! Pythonによる AI・機械学習・深層学習アプリのつくり方_クジラ飛行机
評価：5点
備考：似た本が二つあるけど後者は改定しただけなのかな・・・
機械学習やPythonライブラリを一通り学ぶことができる。ただコードが理解しにくく、かつ索引がないため参考書としては非常に使いにくい。
９．Pythonで儲かるAIをつくる_赤石 雅典
評価：9点
備考：XGBoostやProphet実装あり
機械学習の実装や機械学習で使用するライブラリの説明などAIを作りたい人には役立つ一冊です。
１０．人気ブロガーからあげ先生のとにかく楽しいAI自作教室_からあげ
評価：6点 （実装力に重きを置いた場合）
備考：Pythonでできることを理解するだけならオススメ
アウトプットそのものは10点だが下記のような理由より「今後自分の力で同様のアウトプットを作ることができる実装力」は全く身につかなかった。
①コードが読みにくい（どうしてもコピペに見えてしまう）
②ファイルの出典がわからないためどうやってほしいファイルを見つけることができるのかがわからない
③すでに処理したモジュールを配布しており中身の説明がない
１１．[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_Sebastian Raschka
評価：-点
備考：2021年12月購入
追って
１２．Kaggleで勝つデータ分析の技術_門脇 大輔 , 阪田 隆司 , 保坂 桂佑, 平松 雄司
評価：9点
備考：2021年12月購入, 2022年1月読破
KaggleだけでなくAI学習の基礎・応用をしっかりと学ぶことが出来てよかった。テーブルデータの処理がメインでありXGBoostの説明が豊富なのは個人的には嬉しい。
１３．AlphaZero 深層学習・強化学習・探索 人工知能プログラミング実践入門_布留川 英一
評価：-
備考：2022年2月24日購入
追って
１４．実践GAN ~敵対的生成ネットワークによる深層学習~
評価：８点
備考：2021年8月購入ー＞２０２２年１０月８日完読
GANの内容が数式・図解も含めて説明されておりわかりやすかった。ただし後半（Part2以降）になるにつれて難しくなっていくため最終的には全部理解はできなかったが、比較的ＧＡＮの基礎を学ぶことができた。
１５．Kaggleで学んでハイスコアをたたき出す! Python機械学習&データ分析
評価：８点
備考：2022年10月9日購入ー＞２０２２年１０月１１日完読
比較的良書だが内容は「物体・画像認識と時系列データ処理入門 [TensorFlow2/PyTorch対応第2版]」と大きくかぶっておりCNNなどの説明がしっかりされている。
正直どちらか一つでもよかったかな。
１６．機械学習スタートアップシリーズ ベイズ推論による機械学習入門＿須山 敦志
評価：４点
状態：２０２３年２月５日完読
備考：2022年11月20日購入
学術書みたいな作りなので用語＋数式たっぷりで実際に数値を入れてみてどうなるかの説明はないタイプの本です。
詳しくなったら理解できるのかもしれませんが、今の私には早すぎた。
１７．強い将棋ソフトの創りかた: Pythonで実装するディープラーニング将棋AI Compass Booksシリーズ＿山岡 忠夫
評価：ー
状態：ー
備考：2023年1月1日購入
１８．Optunaによるブラックボックス最適化
評価：ー
状態：ー
備考：2023年4月8日購入
更新履歴
2021/11/21：初版作成：その他本は追って時間ができたら追記
2021/12/07：2冊追加
2022/2/6：評価更新
2022/4/24：本追加※１２，１４～１６がしばらく停滞中※４のゼロ作-強化学習は事前公開は確認済みだが販売本はまだ未読（購入済み）
2022/10/3：評価更新（物体・画像認識と時系列データ処理入門）
2022/10/9：本追加：チーム・カルポの２冊
2023/1/12：画像処理を別記事に移動
2023/4/8：Optunaによるブラックボックス最適化追加
