タダです。
社内勉強会で、『機械学習を始める前の「学習」』と題して機械学習を始めるにあたっての用語やツール、手法などの発表をしてきました。
モチベーション
去年からAIの分野に興味をもって機械学習やディープラーニングを0から勉強し始めました。
最近機械学習の実践としてJupyter Notebookを使ってscikit-learnやnumpy、matplotlibなどのライブラリを活用したデータの解析やモデル生成の勉強がようやくわかってきました。
機械学習に興味があってもいきなり実践をやってしまうといろんな専門用語、ツール等がわからず、勉強してて辛かった過去の経験から実践に入る前段の情報を伝えたいと思って資料を作りました。
資料
資料はこちらです。
www.slideshare.net
個人的にやったほうがいいと思った学習パス
個人的に、機械学習の勉強やモデルのプログラミングを実際にやってみたりして感じたのは、以下の順番で理解が必要なのかと思っています。
- 機械学習の体系的な理解
- 実データを使ったモデルの生成
そのためには、東大松尾教授の公開コンテンツや、Coursera のコンテンツで知識をインプットし、 Kaggle や SIGNATE で扱っているような既にデータがあるサービスを利用して実践力を高めるのが個人的にオススメです。
関連記事
私は機械学習の体系的な理解を行うためCoursera の 「Machine Learning Course」で主に勉強中です。
まとめ
今回は、機械学習の導入の話をさせてもらったのですが、次は実践のプログラミングを行いながら、機械学習を体感してもらえる内容にしていきたいです。
参考にさせてもらった関連記事
カックさんのプレゼン時に意識していることと Keynote のベストプラクティス参考に資料を作りました！ ありがとうございました！
