僕が今後書こうとしている記事で勉強している、また勉強していた図書を紹介したい。

1. 『集合・位相論』松坂 和夫著・岩波出版
2. 『代数学1 群論入門』雪江 明彦著・日本評論社
3. 『REAL AND COMPLEX ANALYSIS』Walter Rudin著・McGraw-Hill Publishing Company
4. 『An Introduction to Statical Learning』Gareth James・Daniela Witten・Trevor Hastie・Robert Tibshirani共著・Springer

1.について
集合・位相論の講義で講師が「参考文献はそれっぽいタイトルならなんでもよい」ということだったのでAmazonで評価が高かったこれを買うことにした。
この本で集合論は勉強したが講義が位相空間ではなく距離空間を構成する話に向かっていったので位相論については実はこの本ではやっていない。
今後はさらっと集合、写像の話をした後にこの本で位相論について勉強したことを書きたい。

2.について
講義はレジュメであったが、さっぱり理解できなかったのでやはりAmazonで評価が高かったこれを買った。
単位はSをもらえたものの未だによくわからない。
「いつこんなん使うねん」
と不真面目な態度で勉強していたのだが、同値関係で割って同一視するというのがとてもとてもとっっっても重要な話と理解できてきたので再勉強。

3.について
測度論・ルベーグ積分論についてのテキスト。題名からわかる通り洋書なのだが、僕はさっぱり英語が出来ない上に位相論をベースにして測度・積分が定義されるので読んでると頭が痛くなる。(この本が1.で位相論を勉強しようと思ったモチベーションになっている)
やってることは和書に比べてびっくりするくらいスマートなので頭が痛くてもやる価値がある。
読者の皆さんには頭が痛くならないような説明を心掛けたい。
測度論については記事を書くとなった段階で参考図書が増えている可能性大なのでそちらは実際に書くに至ってから適宜追記していきたい。

4.について
機械学習についてのテキスト。こちらもお察しの通り洋書となる。実は僕は機械学習について講義にさっぱり勉強が追い付いていないので年内はこの本にかかりきりで勉強する予定なのでしばらくはこの本についてしか記事を書かないかもしれない。
内容としては線形回帰から始まるものなので、深層学習だとかランダムフォレストだとかそういったナウでヤングでトレンディなテーマについて語ることはない。