機械学習の入門!どこから学ぶと良いの?プログラミングスクールやセミナーは効果的?

こんな人におすすめの記事!

・機械学習に興味を持った

・機械学習に興味を持ったけど、なにから勉強したらよいかわからない

・どんな勉強方法が良いか知りたい

プロローグ・機械学習に興味を持ったんだけど・・・

AI入門の
見習いメイド

今までJavaのエンジニアとして仕事してきたけど、機械学習に興味あるんだ?需要ありそうだし、仕事もたくさんありそうだ。勉強しようと思うんだけど、何から手を付けてよいかわからないんだ。

AIを勉強した
メイド長

そうなんだ。まずは、機械学習で何をしたいか分野を決めるべきだよ。機械学習には、データ分析、画像分析、音声分析、強化学習など様々だからね。何をやりたいのか決まらないと、勉強する内容が決まらないからね。

やりたい分野は、まだわからないな〜。一通りやってみたいと思う。まずは比較的、簡単(学習時間が短い)な分野を勉強していきたいよ。

それならば、学習しやすいデータ分析からやってみたらどうかな?sklearならば比較的簡単に機械学習プログラミングできるよ。

なるほど!では、データ分析やってみるよ。
どのように勉強すれば良いかな?良くわからないよ。

たしかにいろいろな勉強法があって分かりずらいよね。
最初の頃、セミナー行ったり、本を買ったりしたけど、「この勉強法、本当に正しいの?」と疑問を持つようになり長続きしなかったんだ。

最終的に、何を学んだら良いか道しるべを示してくれるプログラミングスクールに行くことにしたよ。そこで学んで、それでも足りない箇所があったら、補強のつもりで本買ったり、Udemyの講座を買ったりしたよ。

私にとっては、それが効率が良い学習法方だと思ったよ。

というわけで、今回は、

・実際に試した勉強方法

・筆者が個人的に正解と思った勉強法

・モチベーションを維持する方法

を中心に解説します。

何をやりたいのか決める

データ分析、画像分析、音声分析、強化学習かぁ。とりあえず、全部の分野やってみたいね。しかし、どこから手をつけて良いかわからないね。

いろいろ手をつけてしまうと、中途半端になってしまうよ。ライブラリーはあるけど、分野によって難易度が違ってくるんだ。まずは、優先順位をつけること。
機械学習の入門的な分野としては、データ分析だね。

なるほど

機械学習で入門的な分野はデータ分析

なぜ、入門的な分野が「データ分析」なの?

数学や統計学が苦手でもscikit-learnというライブラリーがあれば、簡単な処理くらいならPythonで100行未満で書けるよ。

scikit-learnを実際に使ったサンプルを以下を参照してください!

https://programming-info.dream-target.jp/python-scikit-learn/

実際に試した勉強方法

ここからは、この記事を書いた筆者が実際に試した勉強法を解説するよ!

機械学習のセミナーに参加する(初学者にはオススメできない)

結論から言って、セミナー参加は初心者(機械学習を全く勉強したことがない)にはオススメしません。ある程度、機械学習の内容を理解して、足りないものを埋めるときにセミナーに行くと効果的です。

数学の講座に参加

私は、機械学習で使う数学のセミナーに参加しました。講師は東大出身の技術者。

前提知識は、高校程度の数学だったのですが、実際に講義を聴いたら、大学レベルの数学中心で話し行けず。

理解する前に、講義が進んでしまった問い感じです。

つまり、初心者向けと謳われていても、理解できる内容ではなかったです。

機械学習のアルゴリズムの講座に参加

これも初心者向けの講座のはずでした。

講座で用意してくれたpythonコードの解説をしてくれたのですが、「前処理」「評価」など、機械学習をやっていないとわからない語句が多く、これも理解に苦しんで終わりました。

Kaggleの勉強会

Kaggleの挑戦の仕方や、どのように取り組めばよいかわかった。

こちらも、初心者向けでないため、機械学習について勉強していて、業務で使ってみたいと思ったら行くとちょうど良いです。

画像処理の機械学習

画像判別のセミナーでした。

私が参加したものは、画像からどんな画像なのか判別(たとえば、犬、猫などの

判別)で興味深いものでしたが、こちらも機械学習の流れを知っていないと、セミナーを聞いていても全く分かりませんでした。

Udemyを使う

個人的な感想としては、勉強方法としては正解だと思います。

Udemyは、オンラインの動画学習システムなので、どこにいても学習できるところが良かったです。

Udemyの機械学習講座は、ディープラーニング、自然言語処理、ニューラルネットワークなど分野が分かれているため、学びたいことがハッキリしている場合に効果的といえます。また、数学、統計学の講座もあるので必要に応じて講座を受講しました。

AIのための数学講座:少しづつ丁寧に学ぶ人工知能向けの線形代数/確率・統計/微分

https://www.udemy.com/course/math-for-ai/?aEightID=s00000016735001

みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習

https://www.udemy.com/course/learning-ai/?aEightID=s00000016735001

プログラミングスクールに行く

私は、AIジョブカレというAI専門のプログラミングスクールに通っていますが、

業務でどのように機械学習を使うのかという一連の流れが分かります。

特に、「機械学習を始めたらどこから勉強したら良いの?」という疑問がなくなる。

また、AIに詳しい人に質問できるのは大きいのです。

個人的に正解と思った勉強法(効率的な勉強方法)の流れ

私個人として良かったと思える、勉強の流れは以下の通りになります。

①プログラミングスクールに行く

私は、AIジョブカレに通っているため、それ前提で書きます。

プログラミングスクールは、本の購入、Udemyの講座よりも金銭的に高いです。

その代わり、機械学習の基本的な流れを抑えることができるので、無駄な勉強は発生しません。また、本などに比べて短時間で機械学習を学ぶことができます。

プログラミングスクールの課題を進めていれば、Pyhtonでプログラミングができるようになるので、金銭的に余裕があればオススメの勉強法といえます。

プログラミングスクールでは、無料体験や説明会を開催していることがほとんどです。たとえば、以下の4つのスクールでは、無料体験や説明会をやっているので、機械学習に興味を持ったら一度参加してみてはいかがでしょうか?

AIジョブカレ

決まった日に教室に通う形式のスクール

機械学習講座の中で最も料金が安いといえる。

講座のあと宿題(3~8時間ほど)があるため、宿題をやる時間がない人にはオススメできない。宿題やって復習しないと講義について行けなくなるから。

AIジョブカレ 機械学習講座(テレビ会議のみ)

オンラインプログラミングスクール【CodeCamp】

オンライン・マンツーマンのプログラミングスクール。

自分のペースで学習できる(サボリ癖がある人にはオススメできない)

TECH::CAMP

教室に通ってメンターに質問ができる。また、オンライン教材のためPCがあればどこでも学習ができる。メンターにオンラインでも質問ができる。

・テックアカデミー

オンライン専門のスクール。受講生一人一人にプロのメンターがつく。

現役のエンジニアに質問できることもよい。

②プログラミングスクールで足りないと思ったら補強

プログラミングスクールだけでは、学べない部分も出てきます。

機械学習講座の場合は、プログラミングの実装方法の解説はしてくれますが、数式などの数学的なことをやりません。

そのような場合はUdemyの数学講座などで補強しています。

③Kaggleのコンペに挑戦する

ある程度、機械学習になれてきたら、実績を積むという意味でもKaggleのコンペ参加がオススメです。

どこまで理解しておけばよいか問題

機械学習の理論(数式など)はどこまで知っていればよいの?

結論は、pythonでプログラミングできればよいと思います。

最初のうちは、ライブラリー詳しい中身(数式など)までは知らなくても大丈夫とプログラミングスクールの講師はおっしゃっていました。

さらにロジックを理解したくなったら、数学にも踏み込んだほうが良いとのことです。

モチベーションを維持する方法

私の場合は、仕事で使うことになったから、勉強する必要が出てきました。

よって、勉強しないと行けない状況ができたため、モチベーションを維持できたのかなと思います。

もし、仕事で使うことがなかったら、モチベーションが落ちていたことでしょう。

まとめ

このブログの内容をまとめると以下の通りになります。

・入門的な分野は「データ分析」

・機械学習でどんなことをやりたいのか決めておくこと

以上!

評判も見えるPGスクール検索・比較表

どのプログラミングスクールがいいんだろう?
そんな疑問をお持ちの方に、評判も見えるプログラミングスクール検索・一括比較サービスをリリースしました。

条件を指定することにより、気になるプログラミングスクールを一発で比較できます。
きっと、条件にあったスクールが見つかるかと思います!
詳細は、以下の画像をクリック!

プログラミングスクール検索・比較のペン太ブル
スポンサーリンク
PR




PR




シェアする

  • このエントリーをはてなブックマークに追加

フォローする

スポンサーリンク
PR