機械学習を学習するための前提条件は何ですか？
私は、機械学習のトピックに常に魅了されていました。それで、私はオンラインで公開されたスタンフォード大学が提供するコースを受けました。しかし、私はそれに含まれる数学の量にショックを受けました。それでは、機械学習のアルゴリズムを理解するために必要な数学的背景は何ですか？すべての数学を抽象化し、学習可能なソフトウェアの実際の設計に焦点を当てたライブラリはありますか？
- 線形代数
- 確率論
- 微積分
- 変動の計算
- グラフ理論
- 最適化手法（ラグランジュ乗数）
コンピューターサイエンスに関連するトピックの99％（数を引用しないでください）と同じように、機械学習の理論的基盤には、多くの数学が含まれます...それにもかかわらず、それほど難しくないはずです微積分の深い知識がなくても、いくつかの基本的なMLアルゴリズムを習得する。
さまざまな機械学習ライブラリがあります：
独自のシンプルなMLアルゴリズムを構築することから始めるべきだと思います：多分 ニューラルネットワーク または 遺伝的アルゴリズム 。ビルドを成功させると、理解に大きな違いが生じます。特に、特定の問題があるため、MLアルゴリズムをかなりカスタマイズする必要がある場合があります。それがどのように機能するかを一から知ることで、必要と思われる修正を行うことができます。
プログラミングコレクティブインテリジェンス：スマートWeb 2.0アプリケーションの構築 by Toby Segaranは素晴らしい本です！ Tobyは、ニューラルネットワーク、サポートベクターマシン、遺伝的アルゴリズム、クラスタリングなど、昔ながらの機械学習の古典を簡単に実装します。それらすべてが、それらがどのように、そしてなぜ働くのかについての簡単な説明で。ボーナスとして、すべての例はPythonにあります！しかし、あなたが知らない場合でもPythonこの本は理解できるでしょう。
機械学習に関する背景テキストについては、こちらをご覧ください： http://bumphunting.blogspot.com/2009/07/what-are-good-prequisite-textbooks-for.html
線形代数と（基本）統計。