機械学習を勉強するのにオススメな学習コンテンツをまとめてみた
こんにちは、DAIです。
今回は機械学習を勉強するのに、オススメな学習コンテンツをまとめてみました。この記事の読者の対象は、
- 会社でAIのプロジェクトが始まったけど、よくわからない
- 開発者とAIに関するある程度の話の意思疎通ができるようになりたい
くらいのレベル感の人を対象にしています。
学習ステップとしては、以下の通りです。
- 機械学習の応用事例を理解する
- 機械学習を理解するための最低限のプログラミング・統計学の知識を身につける
- 機械学習を行ったビジネス成果を生み出すまでの手順を追体験する
目次
①機械学習の応用事例を理解する
機械学習そのものの仕組みを理解すること、数理的な理解ももちろん重要ですが、まずは機械学習がどのようにビジネスで利用されているのか理解することが非常に重要です。(これを理解できないと、成果を生み出せません)
ビジネスの成果は、
- ビジネスの理解
- テクノロジーの理解
- ユーザー体験の理解
がすべて伴って生み出されます。いくら機械学習の専門知識がついても、ビジネスの理解抜きに学んでもあまり意味がありません。
また、完成像が見えないと、だいたい細かい理論を勉強をしている途中に、挫折することになります。
機械脳の時代――データサイエンスは戦略・組織・仕事をどう変えるのか?
![[å è¤ãã¨ã«ãã¹ãè¡å¿]ã®æ©æ¢°è³ã®æä»£ââãã¼ã¿ãµã¤ã¨ã³ã¹ã¯æ¦ç¥ã»çµç¹ã»ä»äºãã©ãå¤ããã®ã?](https://images-fe.ssl-images-amazon.com/images/I/51QJ-%2BGuVeL.jpg)
機械脳の時代(加藤 エルテス 聡志著)は、機械学習、ディープラーニングなどがいかに企業で実用されているかを紹介している本です。
この本を読むことで、以下のようなメリットがあります。
- 機械学習、ディープラーニング等の技術がどのような成果を生み出すことができるのかイメージできる
- 実際のプロジェクトの流れを追体験することができる
②機械学習を理解するための最低限のプログラミング・統計学の知識を身に着ける
実際に機械学習を行い、ビジネス成果を生み出すまでの手順を追体験するため、最低限のプログラミング、統計学の知識をつけることが重要です。
プログラミング言語に関しては、だいたいがPythonかRになります。
Progate

Progateは、プログラミング学習の初学者向けのサービスで、非常にわかりやすくプログラミングを学ぶことができます。
ドットインストール R

ドットインストールも、初学者向けのプログラミング学習サービスです。Rの基礎についてはこちらから学ぶことがでいます。
また、機械学習を学ぶ以前に、最低限の統計学を身に着けておきましょう。レベル感としては、以下の書籍がおすすめです。
漫画でわかる統計学

漫画でわかる統計学は、統計学の基礎的な知識を漫画でわかりやすく解説している書籍です。がっつり理解したい!という人向きではありませんが、統計学がどういう考え方をしているのかをざっと理解するうえでは、ひじょうに良書かと思います。
Rによる優しい統計学

Rを利用して、統計学の基礎知識をもう少し身に着けたいという方むけなのがこの書籍です。統計学の理論を実際に手を動かしながら学ぶことができます。
③機械学習を行ったビジネス成果を生み出すまでの手順を追体験する
ある程度プログラミングを理解できたら、あとはビジネス成果を生み出すまでの流れを追体験するのがよいと思います。
Pythonによるスクレイピング&機械学習 開発テクニック

機械学習やディープラーニングを、アプリケーションで実装したいという方は、こちらの書籍が非常によいです。この本では、
- データの収集:スクレイピング、Web API
- データの整形:
- 機械学習、ディープラーニングのモデリング
- 機械学習、ディープラーニングを利用した実装
などをゼロから学んでいくので、一冊やるとどんな流れで機械学習を利用できるのか理解できるかと思います。
手を動かしながら学ぶ ビジネスに活かすデータマイニング

手を動かしながら学ぶ ビジネスに活かすデータマイニング(尾崎 隆著)は、Rという統計言語を利用しながら、実際のデータを利用しつつ機械学習を行ってビジネス成果を生み出す学習書です。データ分析に特化したものなら、この書籍がおすすめです。
例えば、
- ビールの生産計画を、各種変数から重回帰分析して予測する
- 自社サービス登録会員をグループ分けをクラスタリングを利用して行う
- コンバージョン率を引き上げる要因をロジスティック回帰で分析
- 決定木でどのキャンペーンページが効果的だったのか分析
など、実際のシチュエーションを考えつつ、手を動かしながら学習をすすめることができます。
ここまでできれば、ある程度はAIに関する素養は身に着けられるかと思います。エンジニアとして活躍したい場合は、例えばkaggleのようなデータ分析のコンペなどで修業を積む必要があるかとは思いますが、最低限機会学習とは何ぞ?ということを理解するならここまでできれば十分なのではないでしょうか
まとめ
ということで、今回紹介したコンテンツをまとめておきます。