機械学習の4冊、読む順番で選ぶ

著者は数年前、退職した同僚から需要予測のモデルを引き継いだ。ノートブックは動き精度も出ていたが、なぜこの特徴量が効くのか、なぜこのモデルを選んだのかを自分の言葉で説明できなかった。そこで手当たり次第に技術書を買い、分厚い理論書は数式で止まり、チュートリアル本は写経して翌週忘れるという半年の遠回りをした。

この経験から著者が導いたのは、まず用語と全体の地図を短時間で頭に入れ、次にコードを書いて挙動を掴み、そこまで来てから理論に戻ると数式が「あの挙動の説明」として読めるようになる、という順番だ。4冊はどれも日本語版が出ており、コードや図が多い。上から順に読む必要はないが、自分が今どの段にいるかを意識して選ぶと外しにくいとしている。

『機械学習 100＋ページ エッセンス』は各トピックが「何のための道具か」から書かれ、非専門メンバーとの共通言語づくりに向く。『scikit-learn、Keras、TensorFlowによる実践機械学習 第3版』は分量が多く通読は折れる。『深層学習』はAPIの使い方を書いておらず数式を追う体力が要り、『パターン認識と機械学習 上』は演習問題が多く飛ばすと理解が浅いまま進む。4冊すべてを読み通す必要はなく、詰まっている場所に対応する1冊の該当章を開くことを繰り返すうちに、引き継いだコードを自分の言葉で説明できるようになっていたという。読者にとっての分岐点は、自分が地図・実装・理論・数理のどの段で止まっているかを正しく見極められるかどうかになりそうだ。