この記事の内容は？
AI（人工知能）の独学はハードルが高い
AI学習に興味があるかたは多いはず。だけど、何から学習してよいかわからなくて路頭に迷っている人も多いはず。
例えばこんな感じで悩んでいる人は多いのかも↓
- 専門用語がわからない…
- 理論も理解しないと…
- 数学の知識も必要だな…
- 統計も勉強しないと…
- Pythonも使えないと…
- JupyterNotebookも覚えないと…
- ライブラリも多いな…
- 必須なライブラリは覚えとかないと…
- Numpy、Pandas、Scipy、Scikit-Learn、Matplotlib、etc どれからやれば…
- TensorFlow、Chainer、機械学習ライブラリって何を使えばいいの…
- 実際にプロダクトに落とし込むにはどうすれば…
- テキスト、音声、画像、etc 何をテーマにしよう…
AI学習をやってみたい気持ちはすごくあるのだけれど、上記のようなことがぐるぐると頭をかけめぐって結局何も手を出せずに足踏みしている人もいるのではないでしょうか。
それでもAIを学びたいんだっ！
そんなときは誰かの作った「カリキュラム」を参考にするのが一番です。
スクールのカリキュラムを独学の参考にしよう
今回はAI（人工知能）が学べるスクールのDIVE INTO CODE（ダイブイントゥーコード）のカリキュラムを紹介します。人気すぎて募集が一旦停止になったほどのスクールです。
こういったスクールのカリキュラムを自身の独学学習の参考にする場合は、そのカリキュラムの出口として実践や実務を設定スているスクールを参考にするのが良いでしょう。
そういう意味ではこのDIVE INTO CODEのエキスパートAIコースのゴールはスゴイです。
DIVE INTO CODEでは、Google DeepMindなどトップレベルが求める人材レベルに到達できる学習サービスを目指しています。
ね、ハイレベルを目指せます！
DIVE INTO CODEのAIコースのカリキュラムがすごい
学習の指針にも使えるのが「DIVE INTO CODEのAIコースのカリキュラム」
学習ステップがキレイに整理されているため、どういう分野を勉強したら良いのか、どんな知識が必要なのかわかりやすく、学習のマイルストーンが立てやすいでしょう。
DIVE INTO CODEは東京にあるプログラミングスクールですが、ぶっちゃけ通う気はなくてもすごく学習の参考になるためこの「エキスパートAIコース」のページは一読の価値アリです！（一部、オンラインでの学習にも対応しています。）
学習の指針に使える
スクールのカリキュラムを見て「ふむふむ、こんな感じなのか」とわかったら個別のステップごとに書籍（最近爆発的に増えてきてますね）で学習しても良いし、Udemyのようなトレーニング動画を購入するも良し、ピンポイントの分野を狙って短期間のスクールやセミナーに通うのも良し、学び方は様々ですね。
このDIVE INTO CODEのAIコースのカリキュラムは学習計画の指針になるはずです。
AI学習に興味がある方はとりあえず見たほうが良いです。
どんなカリキュラムなの？
DIVE INTO CODEのAIコースについて、まずは大雑把に紹介。全体感をつかみましょう
- コンピューターサイエンス基礎
- データサイエンス基礎
- 機械学習
- 深層学習
- 自然言語処理/音声認識/GameAgent/画像認識
- ポートフォリオ作成
- 数学（都度学びます）
このようにカリキュラムは7つに分類されています。
それぞれの細かい学習内容は？
それぞれの中身を見ていきましょう。具体的なワードがばんばん出ているので、これを自分の学習のヒントにすることもできます。
公式サイトにはもっと詳しい内容が掲載されています。時間があれば見てみてください。
コンピュータサイエンス基礎
- 人工知能概論（事例編）
- Python基礎文法
- 自社サイトを利用した、スクレイピング/クローリング
- アルゴリズム・データ構造 基礎
- オブジェクト指向設計基礎
- Python頻出文法
- Git/Github
- Linuxコマンド/シェルコマンド基礎
- Anaconda
データサイエンス基礎
- 基本的なツールの使い方の取得
- 記述統計学
- 推論統計学
- データクリーニング
機械学習
Kaggleを使った演習はかなり具体的ですね！
- 機械学習基礎
- 単回帰/重回帰
- 教師なし学習
- Kaggle 演習
過学習/正則化、クロスバリデーション、決定木/ランダムフォレスト、SVM、ナイーブベイズ、クラスタリング、Feature Scaling、Feature Selection、Feature Extraction
深層学習
- Tensorflow入門
- Keras入門
- ニューラルネットワーク
- ディープニューラルネットワーク
- 畳み込みニューラルネットワーク（CNN）
- 再帰型ニューラルネットワーク(RNN)
TensorBoard入門、EC2インスタンスを用いたGPUの使い方、Floydhubを用いたGPUの使い方、ロジスティック回帰、多層パーセプトロン、確率的勾配法、バックプロパゲーション
EXPART
自然言語処理、音声認識、GameAgent、画像認識の中から選択して学びます。
ポートフォリオ作成
実社会の課題に対してAIをどう適用するか考えます。
- 要件定義
- 開発方法のレクチャー
- 開発相談
数学
- 微分積分
- 線形代数
- 確率統計
- ベイズ統計学
- 最適化数学基礎
まとめ
独学学習の参考に・・・
いかがでしたでしょうか。今回は独学学習する場合にもスクールのカリキュラムが参考になるということを紹介しました。
この記事があなたの学習の羅針盤のパーツになれば幸いです。
誰かに聞ける環境は上達する
学ぶことがありすぎてパンクしそうだよ！という方は思い切ってスクールに通ってみるのもひとつの方法ですね。たしかに独学に比べてスクールは費用がかかります。これを自身の将来への先行投資と捉えることができるなら、チャレンジしてみる価値はあるでしょう。
やはり、誰かに聞けるという環境はスキル上達へのかなりの近道になります。つまり効率的に学習が進みます。そのような観点も含め、あなたのAI（人工知能）学習計画を立ててみてくださいね。気になるなら無料説明会もあるので積極的に参加しましょう。
それでは！
