連載
» 2020年10月05日 05時00分 公開

AI・機械学習の独学リソース:機械学習/深層学習〜統計学/データサイエンス、毎日10分×1カ月で学べる無償動画【2020年秋版】 (1/3)

2020年10月の最新状況に合わせて改訂。はじめてのAIから、機械学習、深層学習、自然言語処理、統計学、社会人のためのデータサイエンス(実用知識)、大学生のためのデータサイエンス(理論知識)まで、全15個の講義内容を紹介。本稿独自に考察した、学習者対象やお勧めの学習方法についても示す。

[一色政彦,デジタルアドバンテージ]

この記事は会員限定です。会員登録(無料)すると全てご覧いただけます。

「AI・機械学習の独学リソース」のインデックス

連載目次

 10月に入り、過ごしやすい季節になった。コロナ禍でいろいろな制約があるものの、スポーツ、食事、読書、趣味などを楽しみたいという人も多いのではないだろうか。まだ何をするか決めてないという人に向けて、本稿では無料で手軽な「AI/機械学習」の勉強というのをお勧めしたい。

 この数カ月で、AI/機械学習の加熱的なブームは落ち着きつつあり、現実的な理解と実用が一般のエンジニアにも広がってきている(と筆者は感じてる)。ガートナーのハイプサイクル理論でいうと、過度な期待から幻滅期を経て、啓発期に入りつつある状況と考えられる。その一方で、AutoMLなど手軽に機械学習が行える技術の発展が進んできており、今後さらに、普通のソフトウェアエンジニアが機械学習を触らなければならない機会が増えていくのではないかと筆者は予想している。そういった状況を踏まえて、「この秋、地に足がついたAI/機械学習の基礎知識を、スキルや周辺知識の一つとして身に付けてみてはいかがでしょうか」という提案をしたいというわけだ。

 そういった勉強を無理なく行うために活用できるのが「gacco(ガッコ)」である。gaccoとは、ビジネスから、各種教養、学術まで幅広い分野を対象に、大学レベルの本格的な講義を、大学や企業、行政機関などが無償で提供しているサイトである。誰もが無償かつ日本語で学習できるオンライン講座形式の学習プラットフォームとなっている(図1)。

図1 gaccoのトップページ 図1 gaccoのトップページ

 2020年10月1日の執筆時点では、機械学習/統計学/データサイエンス関連では下記の無料オンライン講座が存在する。

 上記箇条書きの各行末のカッコ内は、(現在判明している分の)受講可能期間を示している。講座ごとに期間が決められている。「未定」となっているのは前期の受講可能期間が終わってしまったため。ただし、各講座は定期的に再開講を繰り返しているので、「未定」と記載されているものも、今後、再開講される可能性が高いので、毎月、gaccoをチェックしてみるとよい。

 それぞれ10分程度の動画で構成されており、すき間時間を利用して手軽に学べる内容となっている。特に「統計学II:推測統計の方法」は、本稿公開の数日後(10月8日)にスタートするのでお勧めである。なお統計学は、機械学習やデータサイエンスの基礎となる学術領域である。他には、「社会の中のAI」は今年から始まった新しい講座で、AIの社会実装に興味がある人に向いている。また、「深層学習」もまだ1カ月ほど視聴できる。10月から学び始めるなら、これらの3講座がお勧めだ。ちなみに、12月開講の「大学生のためのデータサイエンス(III)問題解決編」も今年新たに公開された講座である。

 さて以下では、gaccoにおける講義の特徴を示し、それぞれの講義内容について簡単に紹介していく。

gaccoにおける講義の特徴

 以降に掲載する画像は、講義動画からスクリーンキャプチャーして引用したものである。

約10分の講義動画

 gaccoの特徴(であり特長)は、1本の講義動画が「10分前後」となっていることだ(図2)。ただし、10分はあくまで基本基準であって、内容によって6分のこともあれば、14分のこともあるので注意してほしい。

図2 10分前後の講義動画(引用元「gacco: ga137 機械学習」) 図2 10分前後の講義動画(引用元「gacco: ga137 機械学習」)

 ついでに言うと、図中で青色の枠で示したように、再生速度が「0.5x/0.75x/1.0x/1.25x/1.5x/1.75x/2.0x」の倍数で変更できる。また、全画面表示も可能である。

約4週(約1カ月)の学習期間

 gaccoでは、学習期間が週ごとに区切られている。図3に示すように、多くの講座は、全4週(つまり28日1カ月間)という分量になっている。ただし、4週はあくまで基本基準であって、内容によって3週のこともあれば、5週のこともあるので注意してほしい。

図3 約4週(約1カ月)の講義動画(引用元「gacco: ga047 統計学II」) 図3 約4週(約1カ月)の講義動画(引用元「gacco: ga047 統計学II」)

 各週の講義動画は、7本前後となっている(これもケースバイケースで、図3では例えば9本になっている)。つまり、毎日1本(〜2本)のペースで視聴すれば、コツコツと無理なく学習できるというわけだ。

 ちなみに、図中で青色の枠で示したように、講義動画がダウンロードできる場合もある。

講義の内容: AI概説編

 全部の講義内容を詳しく書き出すと長文になってしまう。ここでは、ざっくりとした概要紹介と公開期間、簡単な目次のみを掲載する。目次自体は長いが、一字一句をしっかりと読み込むようなものでもないと思うので、ざっくりと目を通しながらスクロールしていってほしい。その紹介の後で、お勧めの学習方法についてまとめているので、そちらもぜひ目を通していただきたい。

はじめてのAI

  • 受講可能期間: 2019年8月27日〜2020年12月31日

 グーグルが提供する講座。いつから学習を開始してもよい「開始日可変型講座」で、課題提出が45日間となっている。

 この講座では、AIの実例から、機械学習や深層学習(=ディープラニング)の概要が学べる。

 「AIやディープラーニングについてよく分からない」という人は、下記のリンク先から、この講座を受講してみてほしい。

図4 講義の例(引用元「gacco: pt028 はじめてのAI」) 図4 講義の例(引用元「gacco: pt028 はじめてのAI」)

 確認テスト(詳しくは、後述の「お勧めの学習方法」を参照)を含めて、全13本の講義の目次は以下のようになっている。頑張れば、1〜2時間程度で全講義の視聴とテストが終わるだろう。

  • 第1章 はじめに
    • 1-1. ケーススタディ1 生活の中でのAI
    • 1-2. ケーススタディ2 AIの活用事例を知る
    • 1-3. 本講座のゴール 機械学習について知る
  • 第2章 機械学習でできること
    • 2-1. レッスン1 普通のITと機械学習の違い
    • 2-2. レッスン2 画像認識の例
    • 2-3. レッスン3 音声認識と文章理解の例
  • 第3章 機械学習のしくみ
    • 3-1. レッスン1 機械学習のしくみを知る
    • 3-2. レッスン2 ニューラルネットワークのしくみを知る
    • 3-3. レッスン3 ニューラルネットワークによる画像認識
    • 3-4. レッスン4 ディープラーニングのしくみを知る
  • 第4章 応用事例の紹介
    • 4. レッスン1 機械学習の応用例
  • 第5章 最後に
    • 5. サマリー この講座のまとめ
  • 第6章 最終テスト

社会の中のAI〜人工知能の技術と人間社会の未来展望〜

  • 受講可能期間: 2020年9月9日〜11月24日

 東北大学が提供する講座。東北大学オープンオンライン教育開発推進センターでは、オープンオンライン講座を企画&提供しており、この講座は「東北大学で学ぶ高度教養シリーズ」の第4弾となる。

 この講座では、「AIとは何か」から「社会の中でどのように活用できるのか」までを、大学や企業における具体的な研究事例を基に学べる。

 「AIを活用して何か新しいものを作りたい、新規ビジネスを開始したい」など、AIの社会実装に興味がある人は、下記のリンク先から、この講座を受講してみてほしい。

図5 講義の例(引用元「gacco: ga149 社会の中のAI〜人工知能の技術と人間社会の未来展望〜」) 図5 講義の例(引用元「gacco: ga149 社会の中のAI〜人工知能の技術と人間社会の未来展望〜」)

 確認テストを含めて、全54本の講義の目次は以下のようになっている。各週で視聴する動画の本数は9本前後と少し多めなので、平日に2本ずつぐらいのペースで視聴する必要がある。

  • Week1:人工知能(AI)研究概説
    • 1-0. イントロダクション
    • 1-1. AIとは何か
    • 1-2. 機械学習の基本
    • 1-3. ディープラーニングの基本
    • 1-4〜5. AIの研究事例 画像認識(1)〜(2)
    • 1-6〜7. AIの研究事例 音声認識(1)〜(2)
    • 1-8〜9. AIの研究事例 自然言語処理(1)〜(2)
    • Week1 課題. 確認クイズ
  • Week2:産業界におけるAI活用
    • 2-0. イントロダクション
    • 2-1. 車載画像認識
    • 2-2. 人物画像認識
    • 2-3. 音声エージェント
    • 2-4. コールセンターAI
    • 2-5〜6. 医薬品開発(1)〜(2)
    • 2-7〜8. 病状・症状診断補助(1)〜(2)
    • 2-9〜10. 個別化医療(1)〜(2)
    • Week2 課題. 確認クイズ
  • Week3:AI時代の「教育」を考える
    • 3-0. イントロダクション
    • 3-1. 「教育」の現場からAIに目を向ける
    • 3-2〜3. AIはどのように学習するか?(1)〜(2)
    • 3-4. 「プログラミング教育」必修化の目的と背景
    • 3-5. 「教育」とコンピュータの深い関係
    • 3-6. 「頭が良い」とはどういうことか?
    • 3-7〜8. AI時代における「教育」の再考 研究プロジェクト紹介(1)〜(2)
    • 3-9. AI時代の「教育」を求めて
    • Week3 課題. 確認クイズ
  • Week4:AI・ロボットから人間を考える
    • 4-0. イントロダクション
    • 4-1. 序論:身体をもった人工知能とのインタラクション
    • 4-2. 構成論的アプローチ(1):つくることで理解する
    • 4-3. 構成論的アプローチ(2):AIが身体をもつことの意味
    • 4-4. 認知発達ロボティクス(1):社会的環境に適応していく身体
    • 4-5. 認知発達ロボティクス(2):視線の交流から社会的学習へ
    • 4-6. 認知発達ロボティクス(3):コミュニケーションの発現
    • 4-7. ロボットと自閉症研究(1):コミュニケーション障害として
    • 4-8. ロボットと自閉症研究(2):他者の心を想像する力
    • 4-9. まとめ:AI・ロボットから人間を理解する
    • Week4 課題. 確認クイズ
  • Week5:AIロボットは家族の一員になれるか?
    • 5-0. イントロダクション
    • 5-1. 社会に進出する人工知能
    • 5-2. ジェミノイド-Fとaiboのどちらを選ぶか?
    • 5-3. 筒井康隆のSF短編小説
    • 5-4. 2つのサブ・リサーチ・クエスチョン
    • 5-5. 家族の変遷
    • 5-6. 家族の一員としてのペット
    • 5-7. 家族の一員としてのロボット?
    • 5-8. ロボットが家族の一員になることの意味
    • 5-9. 行動科学・社会学の問い直し
    • Week5 課題. 確認クイズ
  • Week6:AI社会の未来展望
    • 6-1. 人工知能への期待と将来展望について
    • 6-2. AI エレクトロニクスの展望 –AI倫理とセキュリティ–
    • 6-3. AI エレクトロニクスの展望 –自動運転での活用–
    • 6-4. AI エレクトロニクスの展望 –FA分野での活用–
    • 6-5. AI エレクトロニクスの展望 –材料分野での活用–
    • 6-6. 未来医療の展望 –個別化医療とAI–
    • 6-7. 未来医療の展望 –AI創薬の未来–
    • 6-8. 未来医療の展望 –AIホスピタル–
    • 最終レポート

講義の内容: 機械学習/深層学習編

機械学習

  • 受講可能期間: 2020年7月8日〜10月8日、未定

 社会人教育プログラム「Smart SE(スマートエスイー)」が提供する講座。Smart SEとは、政府が推し進める「IT/AIのイノベーティブ人材の育成」を目指して設立された産学連携ネットワーク組織で、早稲田大学が中心となり、35以上の大学や企業、業界団体などが協賛して活動している。

 この講座では、Pythonの基礎と、教師あり学習/教師なし学習/半教師あり学習/強化学習といった機械学習の基礎が学べる。

 「Pythonや機械学習が初めて」という人は、下記のリンク先から、この講座を受講してみてほしい。

図6 講義の例(引用元「gacco: ga137 機械学習」) 図6 講義の例(引用元「gacco: ga137 機械学習」)

 ちなみに、以前紹介した「TSUKUBA OCWの機械学習の講義」よりは難易度が低いので、もう少し易しい内容で学びたい人にはお勧めである。ただし、必要最低限の数学は出てくる(分からない数式などあれば、その都度、ネット検索などして意味を調べれば問題ないだろう)。

 確認テストを含めて、全45本の講義の目次は以下のようになっている。

  • Week 1
    • 第1回 Python言語の基礎
      • 1-1. Python言語とは
      • 1-2. 変数・代入・数値計算
      • 1-3. 比較演算子・真偽値・ループ
      • 1-4. 条件分岐・関数
      • 1-5. NumPyによる配列の処理
    • 第2回 Python言語によるデータ分析の基礎
      • 2-1. NumPyによる統計値の計算・列に対する演算
      • 2-2. Matplotlibによる散布図の描画
      • 2-3. pandasを使った統計値の分析
    • Week 1 確認テスト
  • Week 2
    • 第3回 教師あり学習・教師なし学習-1
      • 3-1〜2. 教師あり学習 k-NN(1)〜(2)
      • 3-3〜4. 教師あり学習 回帰(1)〜(2)
      • 3-5. ハイパーパラメータ調整と評価
    • 第4回 教師あり学習・教師なし学習-2
      • 4-1. 決定木
      • 4-2〜3. サポートベクターマシン(1)〜(2)
      • 4-4. クラスタリング
      • 4-5. アソシエーション分析
    • Week 2 確認テスト
  • Week 3
    • 第5回 強化学習
      • 5-1〜2. 強化学習とは?(1)〜(2)
      • 5-3. 価値関数ベース手法(モンテカルロ法)
      • 5-4. 価値関数ベース手法(Q-learning)
      • 5-5. 価値関数ベース手法(Sarsa)
      • 5-6〜7. “OpenAI Gym”フレームワーク(1)〜(2)
      • 5-8. 方策探索ベース手法
      • 5-9. 環境の自作と利用
      • 5-10. Q-learning+ニューラルネット
    • 第6回 その他一般的な機械学習についていくつか
      • 6-1. ハイパーパラメーターチューニング
      • 6-2. 入力データの標準化・正規化
      • 6-3. Data leakage
      • 6-4. 不均衡なデータへの対応、他
      • 6-5. 機械学習の注意点
    • Week 3 確認テスト
  • Week 4
    • 第7回 異常検知と半教師あり学習
      • 7-1. はじめに
      • 7-2〜4. 異常検知(1)〜(3)
      • 7-5〜7. 半教師あり学習(1)〜(3)
      • 7-8. 半教師学習と能動学習
    • Week 4 確認テスト

深層学習

  • 受講可能期間: 2020年8月5日〜11月4日

 Smart SEが提供する講座。この講座では、CNN(畳み込みニューラルネットワーク)の入門レベル知識や、実践テクニック、ビジネスへの応用例などといった、深層学習の基礎が学べる。

 「深層学習の理論と技法を学びたい」という人は、下記のリンク先から、この講座を受講してみてほしい。

図7 講義の例(引用元「gacco: ga138 深層学習」) 図7 講義の例(引用元「gacco: ga138 深層学習」)

 確認テストを含めて、全52本の講義の目次は以下のようになっている。本数は多いので、日に2本のペースで視聴する必要がある。

  • Week 1
    • 第1回 TensorFlow/Kerasによるニューラルネットワーク入門 -予備知識(1)
      • 1-1. 本題に入る前に:参考書
      • 1-2. ハンズオン環境の利用方法
      • 1-3〜4. データサイエンスと機械学習(1)〜(2)
      • 1-5〜6. 機械学習アルゴリズムの分類(1:教師あり学習、教師なし学習の代表例)〜(2:教師なし学習の代表例:強化学習)
    • 第2回 TensorFlow/Kerasによるニューラルネットワーク入門 -予備知識(2)
      • 2-1〜4. TensorFlow(low-level API)のコードの書き方(1)〜(4)
      • 2-5. TensorFlow(Keras API)のコードの書き方
      • 2-6〜7. ロジスティック回帰と最尤推定法(1)〜(2)
    • Week 1 確認テスト
  • Week 2
    • 第3回 畳み込みニューラルネットワーク入門(1)
      • 3-1〜4. 線形多項分類器(1)〜(4)
      • 3-5〜7. 多層ニューラルネットワークによる特徴抽出(1)〜(3)
    • 第4回 畳み込みニューラルネットワーク入門(2)
      • 4-1〜3. 畳み込みフィルターによる画像の特徴抽出(1)〜(3)
      • 4-4〜9. 畳み込みフィルターの動的な学習(1:畳み込みフィルターの最適化)〜(3)〜(4:畳み込みフィルターの多層化)〜(6)
      • 4-10. その他の少し高度な話題
    • Week 2 確認テスト
  • Week 3
    • 第5回 データの準備、前処理
      • 5-1. はじめに/PyTorchとは
      • 5-2. 深層学習とデータ
      • 5-3. 超解像度
      • 5-4. データの集め方について
      • 5-5. 分類問題
      • 5-6. オートエンコーダ
    • 第6回 総合演習(1)
      • 6-1. 空間解像度
      • 6-2. 有向非巡回グラフ
    • Week 3 確認テスト
  • Week 4
    • 第7回 総合演習(2)
      • 7-1〜2. 最適化手法(1)〜(2)/ファインチューニング
      • 7-3. 敵対的学習
    • 第8回 ビジネス上の事例紹介
      • 8-1〜2. はじめに/機械学習の実践(1)〜(2)
      • 8-3〜7. デジタル広告領域の課題と事例(1:デジタル広告領域の課題)〜(2:広告クリック率の予測)〜(3:バナーの制作編集支援)〜(4:Webページからのテキスト広告生成/バナー画像の理解)〜(5:ロボット接客/おわりに)
    • Week 4 確認テスト

推論・知識処理・自然言語処理

  • 受講可能期間: 2020年6月10日〜9月10日、未定

 Smart SEが提供する講座。この講座では、ディープラーニング以前のAI研究領域である記号的知識表現と推論の技術から、最近の自然言語処理の技法までが学べる。

 「ディープラーニング以外のAIも含めて、満遍なく学びたい」「自然言語処理に興味がある」という人は、下記のリンク先から、この講座を受講してみてほしい。

図8 講義の例(引用元「gacco: ga136 推論・知識処理・自然言語処理」) 図8 講義の例(引用元「gacco: ga136 推論・知識処理・自然言語処理」)

 確認テストを含めて、全58本の講義の目次は以下のようになっている。本数が多いので、期限内に全講義を見終わるには、日に2〜3本のペースで視聴する必要がある。

  • Week 1
    • 第1回 人工知能とは・知識表現と論理
      • 1-1. 講義概要、人工知能とは(1)
      • 1-2〜4. 人工知能とは(2)〜(4)
      • 1-5〜8. 知識表現と論理(1)〜(4)
    • 第2回 探索と制約充足
      • 2-1. 前回(知識表現と論理)の復習
      • 2-2〜5. 探索問題(1)〜(4)
      • 2-6. 制約充足
    • 第3回 推論と定理証明
      • 3-1〜4. 推論と定理証明(1)〜(4)
      • 3-5〜6. 機械的推論の道具立てと方法(1)〜(2)
      • 3-7. 融合原理による証明:ヤブ医者の例
    • Week 1 確認テスト
  • Week 2
    • 第4回 マルチエージェントシステム
      • 4-1〜4. マルチエージェントシステム(1)〜(4)
    • 第5回 調整とゲーム理論
      • 5-1〜9. 調整とゲーム理論(1)〜(9)
    • Week 2 確認テスト
  • Week 3
    • 第6回 自然言語処理-1(導入〜単語の処理)
      • 6-1〜2. 自然言語処理 -導入-(1)〜(2)
      • 6-3〜9. 単語の処理(1)〜(7)
    • 第7回 自然言語処理-2(構文解析〜機械翻訳)
      • 7-1〜4. 構文解析(1)〜(4)
      • 7-5. 機械翻訳
    • Week 3 確認テスト
  • Week 4
    • 第8回 深層学習による自然言語処理とその応用事例
      • 8-1〜6. 深層学習による自然言語処理とその応用事例(1)〜(6)
    • Week 4 確認テスト

講義の内容: データサイエンス(一般実用)編

 次のページでは、データサイエンスや統計学の講義について紹介する。

       1|2|3 次のページへ

Copyright© Digital Advantage Corp. All Rights Reserved.

RSSについて

アイティメディアIDについて

メールマガジン登録

@ITのメールマガジンは、 もちろん、すべて無料です。ぜひメールマガジンをご購読ください。