機械学習コース：数学の説明

単純にアルゴリズムの適用方法を教えるのではなく、アルゴリズムの背後にある数学を提供する機械学習コースを探しています。Udacity Into to Machine LearningとAndrew NgのCourseraに関するコースを見てきましたが、どちらも私にはあまりにも適用されているようです。教科書の推奨事項も大歓迎です。

@Digioに追加するには、Abu-MostafaのLearning From Dataをお勧めします。これには、あなたをワクワクさせ、さらに欲しくさせるのに十分な統計学習数学が含まれています。

Andrew Ngは、Scottford ではなく、Stanford Onlineでより数学的なコースを持っています。

推奨は常に主観的であり、私にとって個人的には

統計学習の要素

凸最適化

どちらの本も機械学習コミュニティの古典的な本であり、無料で入手できます。

関連する質問はここにあります。

機械学習クックブック/リファレンスカード/チートシート？

特定のトピックをより深く掘り下げてみてください。Ngsコースは表面をなぞっただけですが、他のより具体的なコースはより理論的/数学的です。

ベイジアンネットワーク/マルコフネットワーク：

確率グラフィカルモデルは、ベイジアンネットワーク/マルコフネットワークの理論的な高度なコースです。本はさらに理論的です。証拠だらけです。

ニューラルネットワーク：

機械学習のためのニューラルネットワークも非常に深遠なので、かなり理論的なコースです。それでも、上記のPGMコースほど数学的なものではありません。

ただし、アルゴリズムではなく機械学習の理論自体を理解したい場合は、教科書を利用できます。この場合、@ digioが提案したものに取り掛かります。

コロンビアのこの（アーカイブされた）edX機械学習コースは、基礎となる数学の多くを説明しています。たとえば、これらは、ベイズ（最大A事後）の観点から、正規化された線形回帰と確率的行列分解を示しています。

機械学習の理解は、計算学習理論のアプローチを取る（無料で入手可能な）教科書であり、分類子のVC次元の導出と計算/推定が含まれています。