このサイトは学部では早稲田で物理を, 修士では東大で数学を専攻し, 今も非アカデミックの立場で数学や物理と向き合っている一市民の奮闘の記録です. 運営者情報および運営理念についてはこちらをご覧ください.

理系のための総合語学・リベラルアーツの視点から数学・物理・プログラミング・語学 (特に英語) の情報を発信しています. コンテンツアーカイブに見やすくまとめているのでぜひご覧ください.

わりかし具体的に書いててよいなと思ったら小町研でした：自然言語処理を独習したい人のために – 首都大学東京 自然言語処理研究室（小町研） http://t.co/dLxy1g9PBe

— もとそ㌠ (@motoso) 2014年2月17日

広い意味で数学に関わる部分を軽く引用しておきたい.

数学のところ.

ほとんどの大学の入学試験で微分積分・線形代数が必須となっているので、理工系の学部1年生程度の微分積分・線形代数の知識は身につけましょう。機械学習（最適化数学）を勉強するに当たって、微分積分・線形代数の知識が必要になります。微分積分・線形代数については研究室でフォローアップはしませんし、大学でも基礎講義はない（履修できるが単位にならない、という意味ではなく、そもそも 日野キャンパスでは補習的な授業は開講されていない）ので、大学院入試がきっかけだと思って、入学前に勉強しておいてください。

自然言語処理で用いられる機械学習では高校数学の範囲は全て登場します。よく使うのは「ベクトル（内積）」「連立方程式」「確率（同時確率・条件付 き確率、確率変数・確率分布）」「数列（等差数列・極限）」「微分（対数関数・指数関数の導関数、合成関数の微分、関数の極大・極小および最大・最小）」 「行列（固有値、逆行列）」あたりです。人文系の人は、高校の教科書と大学受験の参考書でよいので、復習しましょう。未習の人は苦しいかもしれませんが、もしこれらの数学を勉強するのがどうしても無理な場合、東大の言語情報科学専攻のように人文系を対象とした大学院に進まれたほうがよいと思います。

機械学習のところ.

内容が難しすぎる、と感じる場合は恐らく数学の基礎知識が不足しているので、入学前に機械学習の勉強を独学でがんばるよりは、数学の勉強をしてみてください（機械学習は、研究室の中で基礎勉強会を行なうので入学後でもよいですが、微分積分や線形代数に関しては、研究室の中でも大学の中でも講義・演習がないので、入学後に勉強することが困難であるためです）。

ページ中にはいろいろな参考ページへのリンクもあるし,
プログラミングに関する注意や参考サイトもある.
Python 関係はけっこう参考になりそう.