記念すべき（？）１００記事目ということで、ブログの記事を見直し、まとめました。
はじめに
記事というのは読まれてなんぼなのですが、ブログという性質上、やはり過去の記事というのは中々たどり着いてもらえません。
いつ読んでも価値の変わらない記事というのもあり、それらを読んでもらうためにも、記事をまとめておこうと思いました。（時事ネタなどは時間と共に腐っていくので、これらはまとめません）
ニューラルネットワーク関連
ニューラルネットの学習
ニューラルネットの学習に関する話。
ニューラルネットの基礎
ニューラルネットの構造に関する話。
深層学習への発展
従来の手法との比較をしながら、ニューラルネットの柔軟性による強みを説明。
機械学習の基礎数学関連
機械学習と数学の勉強
機械学習にまつわる数学の話。
機械学習に現れる具体的な数学
実際に現れる数式たちの話。
情報理論周り
機械学習で用いられるダイバージェンス（情報理論から得られる）の話。
確率・統計周り
確率・統計関連の話。一般的な分布の話から推定の話も。
従来の機械学習と機械学習の基礎全般
線形回帰
機械学習での回帰問題に関する話
線形識別
機械学習での識別（分類）問題に関する話。
発展的内容
基本的な手法を拡張する発展的内容
特徴抽出・クラスタリング
機械学習では教師なし学習に相当。
ここまででデータ解析が完結する場合もあれば、教師あり学習の前処理となる場合も。
評価関数（損失関数）関連
評価関数（損失関数）周りの話（機械学習は評価関数の最適化問題となる）。
信号解析
フーリエ解析
信号解析で最も基本となるフーリエ解析関連の話。
信号推定関連
信号を推定するのも信号解析の重要な課題である。
ここらへんは機械学習とオーバーラップするところが非常に多い。
深層学習のハードやフレームワーク
ハードの話
GPUや次世代コンピュータの話
フレームワークの話
まとめてみての感想
こう見るとブックマークの数などが分野ごとに大きく違っています。
機械学習をやろうという場合に、数学関連での情報を求めている人が多い印象を受けました。あまり細かい数式に立ち入ると、あまり記事が読まれていないようです。
話題としてはやはりニューラルネットやサポートベクターマシンが興味の対象という印象です。主成分分析や独立成分分析は話題としては微妙なのでしょう。
フレームワークは、微々たる差にしても、ChainerよりもTensorFlowの方が優勢か？
信号解析はフーリエ解析周りしか詳しく話していないためなんとも言えませんが、興味を持っている人は一定数いるようです。機械学習の話題ばかりではなく、こちらも強化しても良いかもしれません。正統に行くならばウェーブレット解析あたりが求められるのでしょうか。
ブログの記事をひと通り見なおしたおかげで、今後の記事作りに生かせそうです。
