Tutor

『機械学習 & ディープラーニング の チュートリアル連載集』

機械学習/深層学習の理論から実践までを積み上げながら身に着けよう!

Tutorコーナーの特徴

 教科書型のチュートリアルを「Web記事の連載」として提供しています。Tutorコーナーにおける各連載は、書籍の1冊や、オンライン学習の1コースに相当するものです。なお、このページでは「連載」を、本をイメージして「ブック」と表現しています。

ゴール:何ができるようになるのか

 本コーナーで展開する機械学習のコンテンツは、もちろんデータアナリストやデータサイエンティストにとっても基礎知識となりますが、本サイトでは、よりデータエンジニアリングに重点を置いてコンテンツを作成しています。想定する読者の最終的なゴールを「機械学習エンジニアとして独り立ちすること」としています。

読者対象:こんな人にお勧めします

 もちろん誰でも無料で読んでいただけますが、基本方針として以下のような方々を読者として想定して、コンテンツ作りを進めています。

  • 入門者 機械学習やデータサイエンスについて未経験で、知識もゼロに近い方。初心者以前のレベル
  • 初心者 機械学習やデータサイエンスに取り組み始めて1年未満で、知識や経験がまだあまりない方。見習いレベル
  • 中級者 機械学習やデータサイエンスの経験が半年以上あり、知識をさらに確実なものにしたい方。独り立ちレベル

 ちなみに、当然ながら、上級者棟梁レベル業界を代表するレベル)の方にはかなり物足りない内容となります。そういった層向けのコンテンツは、今後、Issueコーナーでカバーしていく予定です。

Tutorコーナーのブック集

レベル分け

 各ブックの対象レベルが分かりやすいように、以下の基準で色分けやレベル表記を行っています。

レベルレベル表記の例目的
入門者
Level.0
概要を知り、実践手順を体験する
初心者
Level.1
基礎を学び、自らの力で実践する
中級者
Level.2
知識を増やし、独自に応用する
表1 レベル表記の一覧

ブック一覧:この順番で読もう

 123と上から順に読んでいくことで、体系的かつ効率的に機械学習および深層学習を学べます。
 各読者のレベルに応じて、不要なブックはスキップしてもOKです。その判断基準は以下で示しています。

 また、ダイレクトに各記事を閲覧しても完結して読める内容となっています。そういった活用も可能です。

 各ブック内の各章(=記事ページ)は、基本的には上から順番に読んでいけばOKです。ただし、スキルレベルによっては不要な記事はスキップしたい場合があると思います。その判断基準として、以下の各ブックのリンク先(=連載ページ)にある「はじめに ― 本連載の読み方」という節に、どんな場合にどの記事を読めばよいかの指針が記載されていますので、ぜひ参考にしてみてください。

1 入門: AI/機械学習/ディープラーニングの概要を知る

 まずは、AI/機械学習/ディープラーニングの概要を押さえましょう。

機械学習専門家の藍博士と素人のマナブが会話形式で、AI・機械学習・ディープラーニングの基礎の基礎を分かりやすく紹介します。

  • レベル:
    Level.0 入門者
  • 記事数: 全3回【完結】 (推定学習時間: 1時間30分
  • 必須条件:
    • 知識ゼロから誰でもスタートできます。
  • こんな方にお勧め:
    • AIや機械学習の概念や基本用語について、まだ自信がないという方
    • 教師あり学習、強化学習、回帰、分類、クラスタリング、CNN、RNNとは何か?と聞かれて、その内容を答えられない方
    • 機械学習モデルは、どのようなステップで作成していくのか?と聞かれて、その内容を答えられない方
  • 学習内容:
    • 機械学習の概要、ディープラーニングで実現できること、AIの基本用語が理解できる
    • 機械学習の基礎用語から、ディープラーニングの代表的な学習方法とアルゴリズムが理解できる
    • 機械学習/ディープラーニングの作業フローの基礎が理解できる
2 入門: GPUを使った作業環境を構築する

 次に、GPUを活用して本格的に機械学習/ディープラーニングを始めたい方は、その作業環境を構築しましょう。

機械学習およびディープラーニングでGPUを用いた作業環境を構築する方法を説明します。

  • レベル:
    Level.0 入門者
  • 記事数: 全2回【連載中】 (推定学習時間: 1時間30分
  • 必須条件:
    • 知識ゼロから誰でもスタートできます。
    • GPU付きのPC、もしくはクラウド環境(Azure/AWS/GCP)が必要です。
    • 幅広いライブラリに対応できるUbuntu OSを採用しています。
    • なお、Windows/macOS編の提供は検討中です。
  • こんな方にお勧め:
    • ディープラーニングを始めるに当たり、どのOSを選択すべきか検討中の方
    • ディープラーニングを始めるに当たり、どのPython仮想環境を選択すべきか検討中の方
    • CUDA/cuDNN/nvidia-dockerとは何か?と聞かれたときに、答えられない方
    • 自前のPCを活用して、NVIDIA GPUを用いたディープラーニング環境を構築したい方
    • クラウドを活用して、GPUを用いたディープラーニング環境を構築したい方(今後、記事を提供予定)
  • 学習内容:
    • ディープラーニングをするためのOS環境の選択指針が分かる
    • ディープラーニングをするためのPython仮想環境の選択指針が分かる
    • NVIDIAのCUDAドライバーやcuDNNライブラリといったディープラーニング環境の基礎が理解できる
    • 幅広いライブラリに対応可能な、NVIDIA GPUを用いたディープラーニング環境が構築できる
    • 3大クラウドを用いて効率的に機械学習/ディープラーニング環境を構築する方法が理解できる(今後、記事を提供予定)
3 入門: TensorFlowでディープラーニングを体験する

 いよいよ、ディープラーニングを試してみましょう。このブックでは、いくつもある機械学習ライブラリの中でも、世界的に特に人気のTensorFlowを使って行います。

TensorFlowを使ったディープラーニングの基礎を体験できます。

  • レベル:
    Level.0 入門者
  • 記事数: 全8回【完結】 (推定学習時間: 3時間30分)
  • 必須条件:
    • 機械学習の基礎知識が必要です(深層学習 入門」参照)。
    • 自前のPCか、クラウド環境を使う必要があります。GPUがなくてもOKです(TensorFlowのCPU版/GPU版、両対応です)。GPUを使う場合、事前に環境を構築してください(環境構築 入門」参照)。
    • Windows/macOS/Ubuntuに対応しています。
    • 高校レベルの数学の知識が必要ですが、理解できなくても体験可能。
  • こんな方にお勧め:
    • ディープラーニングを体験してみたい方
    • TensorFlowを体験し、その基礎知識を身に付けたい方
    • CNN(畳み込みニューラルネットワーク)を体験してみたい方
    • RNN(再帰型ニューラルネットワーク)を体験してみたい方
    • TensorBoardの使い方を学びたい方
  • 学習内容:
    • ディープラーニングを手を動かしながら体験できる
    • TensorFlowの概要や使い方、基本機能、コードの書き方を一通り学べる
    • CNNの基礎と注意点が理解でき、自分の手で画像認識を行う機械学習モデルを構築できる
    • RNNの基礎と注意点が理解でき、自分の手で時系列データの予測を行う機械学習モデルを構築できる
    • TensorFlowに付属するダッシュボードツール「TensorBoard」の概要と特徴、基本的な使い方が理解できる
今後提供予定のブック
Chainer 入門(今後提供予定)
Level.0
Chainer 入門
Keras 入門(今後提供予定)
Level.0
Keras 入門
DNN 入門(今後提供予定)
Level.0
DNN 入門
  • このエントリーをはてなブックマークに追加