機会学習との向き合い方

つまみ食いによる全体感把握に取り組む。比較的難しい書籍をコアにして、周辺情報を仕入れるのと、Qiitaに投下された応用例の同時読解。これが効率的な勉強の仕方がよくわからないが、いちおう自分なりの工夫。いまはこれにチャレンジ

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 (impress top gear)

黄色本（パターン認識と機械学習 上）を読破したGooglerに見てもらったら、上記良い本とのことなので読み始め。作者が読み方について指南してくれているが、けっこうヘヴィ。

ブック・インサイド―『Python機械学習プログラミング』学び方ガイド | Think IT（シンクイット）

というわけで、Stanfordの講義を受け始めた。日本語のテロップも出るので良い

Machine Learning - Stanford University | Coursera

Pythonの基本については、入門Pythonが良い。いまP106で、ややこしいところはない。ムダもなく、良い

入門 Python 3

いちおう理系学部卒なので、線形代数や偏微分は理解しているつもりなんだけど、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 (impress top gear)はすんなりいかないでござる。紙に書いて、脳に叩き込まないとムリめ。

というわけで

• クローリングによる大量情報収集
• supervised learningによる適切な分類
• 自社データで適用

みたいなかんじで進められるとHappy。なんとなく総合格闘技みたいなかんじで、あちこち鍛えられるので頑張る