こちらの内容は、もともと「深層・機械学習／人工知能学習の記録」サイトの、「書籍による学習」タグに掲載されていたものです。実践的な内容なので、こちらのサイトに移動させました。
はじめに
「M1 MacbookPro」の購入をきっかけに始まった、こちらの「人工知能研究実践ブログ」ですが、その後、ハードウェアの主軸を「Xavier NX」に移して、研究がなされました。しかし、近年はほとんど更新されていませんでした。
2024年、今年は、このブログの本格稼働２回目になるかもしれません。今年のブログの特徴は、人工知能の「研究内容」に特化したものになります。
「M1 MacbookPro」では、「Python 開発環境構築」に焦点を当てて研究を進めました。その翌年からは、Nvidia製AIコンピュータ「Xavier NX」で、「画像認識・検知」を中心に研究を進めてきました。
そうした、ハードウェア主導の研究から、AIの様々な分野の内容に拡大・変更していこうと思います。
具体的には、まずは「音声認識」、その後は「生成AI」を研究したいと思います。これらのテーマが落ち着いたら、「AIの基礎技術」（強化学習の基本定理、マルコフ決定過程、ベルマン方程式、Ｑ学習、ニューラルネットワークなど）について勉強したいと思います。
人工知能研究の関連書籍
現在、私が今までに、人工知能学習で実際に使用した書籍、並びに、今後、使用する書籍、合わせて全８冊（2025年３月現在）を、ご紹介させていただきます。（購入順）
※ 実行 ･･･下記の実行の欄は、書籍のプログラムを実際に実行したことを表しています
| No. | タイトル | 発行 | 構成（青色は購読済み） | 実行 | 学習 |
| １ | ゼロから作る Deep Learning ① Python で学ぶ DLの理論と実装 | 著者 斎藤 康毅 | １ Python 入門 ２ パーセプトロン ３ ニューラルネットワーク ４ ニューラルネットワークの学習 ５ 誤差逆伝搬法 ６ 学習に関するテクニック ７ 畳み込みニューラルネットワーク ８ ディープラーニング | 〇 〇 〇 〇 〇 〇 〇 〇 | 済 書籍 |
| ２ | ゼロから作る Deep Learning ② 自然言語編 | 著者 斎藤 康毅 | １ ニューラルネットワークの学習 ２ 自然言語と単語の分散表現 ３ word2vec ４ word2vec の高速化 ５ リカレントニューラルネットワーク ６ ゲート付き RNN ７ RNN による文章生成 ８ Attention | 〇 〇 〇 〇 〇 〇 〇 〇 | 済 書籍 |
| ３ | ゼロから作る Deep Learning ③ フレームワーク編 | 著者 斎藤 康毅 | ＜ステージ＞ １ 微分を自動で求める ２ 自然なコードで表現する ３ 高階微分を実現する ４ ニューラルネットワークを作る ５ DeZero で挑む | 〇 〇 〇 〇 〇 | 済 書籍 |
| ４ | scikit-learn、 keras、 TensorFlow による 実践機械学習 | オライリー ジャパン | 【 第Ⅰ部 】 機械学習の基礎 １ 機械学習の現状 ２ エンドツーエンドの機械学習プロジェクト ３ 分類 ４ モデルの訓練 ５ サポートベクトルマシン（SVM） ６ 決定木 ７ アンサンブル学習とランダムフォレスト ８ 次元消滅 ９ 教師なし学習のテクニック 【 第Ⅱ部 】 ニューラルネットワークと深層学習 10 人工ニューラルネットワークと Keras の初歩 11 深層ニューラルネットワークの訓練 12 TensorFlow で作るカスタムモデルとその訓練 13 TensorFlow によるデータのロードと前処理 14 畳み込みニューラルネットワークを使った 深層コンピュータビジョン 15 RNN と CNN を使ったシーケンス処理 16 RNN と注意機構による自然言語処理 17 オートエンコーダと GAN を使った表現学習と 生成型学習 18 強化学習 19 大規模な TensorFlow モデルの訓練とデプロイ | 学習中 書籍 | |
| ５ | 機械学習実践シリーズ Python で学ぶ 音声認識 | 著者 高島 遼一 | １ 音声認識とは ２ 音声認識の基礎知識 ３ 音声処理の基礎と特徴量検出 ４ 音声認識の初歩－DPマッチング ５ GMM－HMM による音声認識 ６ DNN－HMM による音声認識 ７ End – to – End モデルによる連続音声認識 | 〇 〇 〇 〇 〇 〇 〇 | 済 書籍 実践 |
| ６ | ゼロから作る Deep Learning ④ 強化学習編 | 著者 斎藤 康毅 | １ バンディット問題 ２ マルコフ決定過程 ３ ベルマン方程式 ４ 動的計画法 ５ モンテカルロ法 ６ TD法 ７ ニューラルネットワークとＱ学習 ８ DQN ９ 方策勾配法 10 さらに先に | 〇 | 学習中 書籍 |
| ７ | ゼロから作る Deep Learning ⑤ 生成モデル編 | 著者 斎藤 康毅 | ステップ １ 正規分布 ２ 最尤推定 ３ 多次元正規分布 ４ 混合ガウスモデル ５ EMアルゴリズム ６ ニューラルネットワーク ７ 変分オートエンコーダ（VAE） ８ 拡張モデルの理論 ９ 拡張モデルの実装 10 拡張モデルの応用 | 学習中 書籍 | |
| ８ | フリーソフトでつくる 音声認識システム パターン認識 機械学習の初歩から 対話システムまで | 著者 荒木 雅弘 | 第1部 パターン認識の基礎 第1章 パターン認識って何? 第2章 データをきちんと取り込もう 第3章 パターンの特徴を調べよう 第4章 パターンを識別しよう 第5章 誤差をできるだけ小さくしよう 第6章 限界は破れるか(1) —サポートベクトルマシン 第7章 限界は破れるか(2) —ニューラルネットワーク 第8章 未知データを推定しよう—統計的方法 第9章 本当にすごいシステムができたの? 第2部 実践編 第10章 声をモデル化してみよう —音響モデルの作り方・使い方・鍛え方 第11章 HTK を使って単語を認識してみよう 第12章 文法規則を書いてみよう 第13章 統計的言語モデルを作ろう 第14章 連続音声認識に挑戦しよう 第15章 会話のできるコンピュータを目指して 付録A 数学的な補足 付録B Scilab 演習 | 待機中 書籍 |