【AI Academyを活用した勉強法】これで未経験から機械学習エンジニアになりました

Python プログラミング入門編
機械学習プログラミング体験編
深層学習プログラミング体験編
Python文法速習編
Python プログラミング中級編
Pythonデータ分析入門編
Pythonデータ分析中級編
Python開発環境編
人工知能概論編
Deep learning入門編
機械学習プログラミング入門編
機械学習プログラミング中級編
機械学習アルゴリズム編
評価指標編
Python データ分析実践編
データ前処理編
時系列データ解析入門編
ディープラーニング・ライブラリ入門編
Deep learning (実装編)
機械学習に必要な数学編
確率・統計学編
機械学習アルゴリズム(理論編)
自然言語処理編
画像認識編
物体検出編
Google Cloud Platform入門編
AWS入門編
MySQL入門編
MySQL中級編
Webスクレイピング編
Webアプリケーション開発編
Django入門編
R文法速習編
Rプログラミング入門編
Rプログラミング中級編
量子コンピューター入門編
量子コンピューター理論入門編
ブロックチェーン基礎
Julia入門編
SQLite入門
MongoDB入門編
コマンドライン基礎編
アルゴリズムとデータ構造編
Docker入門編
JavaScript入門編

スクールも安すぎ！！

私は利用してませんが、もし上記のテキストコンテンツで理解しきれなかったら利用しようと思っていたのが、AI Academyの「AI Academy Bootcamp」です。

AI Academy Bootcamp | Python・機械学習・AIを実践的に学べる短期ブートキャンプ

AI Academy Bootcampは、Python・機械学習・AIを実践的に学べる短期ブートキャンプです。Python入門、SQL、scikit-learnによる機械学習、自然言語処理など、経験豊富な講師から直接学べます。

少人数クラスで２ヶ月12万円で受講が可能です。（ちなみに Aidemyは1ヶ月19万〜）

他のAIスクールと比べても比較的に安く。コスパが良いと思います！

AI Academyを活用した勉強法

さてでは、本題の「AI Academyを活用した勉強法」について紹介します。

私のやったことは非常にシンプルです。

AI Academyのカリキュラム自動生成機能を利用
AI Academyの理解度機能を利用
必要に応じて講義内容を深堀りする

AI Academyのカリキュラム自動生成機能を利用しよう

AI Academyには個人の目的や、レベルに合わせてカリキュラムを自動生成してくれる機能があります。まずはこれを利用して何を勉強すべきか明確にしましょう。

「ゴール」を選ぶことによってカリキュラムの生成が可能です。

ちなみに「Kaggleでデータ分析できるようになりたい」というゴールを設定した場合のカリキュラムは以下のようになります。（横に書いてある数字〇〇mは、学習にかかるおおよその時間を表しています。）

プログラミングとは 10m …
初めてのPython 15m …
Python if文 10m …
機械学習のための数学<速習> 60m …
統計学入門 15m …
Kaggleとは 10m …
Python 変数 10m …
Python 例外処理 25m …
Python テキストファイルの読み書き 25m …
NumPy入門 45m …
Jupyter Notebook入門 20m …
Python 関数 30m …
クラスとオブジェクト 25m …
評価指標(分類) 25m …
Matplotlib入門 35m …
Python モジュール・パッケージ 35m …
アンサンブル学習 15m …
NumPy応用 30m …
Seaborn入門 25m …
Pandas入門 35m …
関数中級 45m …
CRISP-DM入門 20m …
データ前処理入門 30m …
決定木 45m …
ランダムフォレスト 30m …
【Kaggle】タイタニック号乗客データから生存者予測モデルを作ろう！ 90m …
【Kaggle】タイタニック号乗客データから生存者予測モデルを作ろう！＜続編:モデル精度上げ＞ 90m …

ここでポイントになるのは、上記に書いてあるカリキュラムは、目的を達成するための最低限の内容が網羅されています。

学習を進めていくと、「あ、他にもこんな講義あるんだ！今回学んだ内容に関連しているしこっちも勉強したい」っといった内容が出てくるのでそちらを追加で受講することをお勧めします。

AI Academyの理解度機能を利用しよう

AI Academyには理解度チェック機能が存在します。

これを以下のような指標で必ず学習が終わったら更新しましょう。

★☆☆☆☆ (全くわからなかった)

★★☆☆☆ (概要は把握したが、理論、数式、実装方法がわからなかった)

★★★☆☆ (概要と実装は把握したが、数式や理論がわからなかった)

★★★★☆ (概要と実装、理論は把握したが、数式がわからなかった)

★★★★★ (全て理解できた)

なぜ理解度機能を利用するかというと、機械学習の講義は必ず復習する必要あり何を復習するべきなのかをあとでわかるようにするためです。

私の場合、機械学習の勉強は「概要→実装→理論→数式」の順番で理解していくことが多かったです。

本当は「概要→理論→数式→実装」が良いのかもしれませんが、理論と数式を理解するのって未経験者からするととってもハードルが高いんですよね。

なので、「これを書いたらこう動く」という実装の部分さえ理解したら先に進むようにしました。（その方が挫折しないし、モチベーションが維持できます。）

その後,Kaggleなどでモデルの精度向上をしたいときに改めて理論と数式の理解につとめパラメータの調整などを行いました。

理論と数式は必要となったタイミングでやった方が頭に入ります。

そのため、何を復習するべきなのかをメモする意味合いで習熟度の更新はした方が良いです。

必要に応じて講義内容を深堀りする

AI Academyの教材は難しい内容を誰にでもわかりやすく伝えるように構成されています。それゆえに詳細な概要説明を省いている場合があります。（省かれている内容の多くは機械学習を学ぶ上で必須にならないものです。）

必須ではないとはいえ、細かい仕組みを知りたい方もいるとは思いますので、その際が必要に応じ自身で調べ理解を深めると良いと思います。私はそうやっていました。

AI Academyを利用して機械学習エンジニアになるオススメ講義メニュー

機械学習エンジニアになった経験からこの講義メニューはやっておいた方が良いというものを書いていきます。（※有料コンテンツ含みます）

Python プログラミング入門編
機械学習プログラミング体験編
深層学習プログラミング体験編
Python文法速習編
Python プログラミング中級編
Pythonデータ分析入門編
Pythonデータ分析中級編
Python開発環境編
人工知能概論編
Deep learning入門編
機械学習プログラミング入門編
機械学習プログラミング中級編
機械学習アルゴリズム編
評価指標編
Python データ分析実践編
データ前処理編
時系列データ解析入門編
ディープラーニング・ライブラリ入門編
Deep learning (実装編)
機械学習に必要な数学編
確率・統計学編
機械学習アルゴリズム(理論編)
自然言語処理編
画像認識編
物体検出編
Google Cloud Platform入門編
AWS入門編
MySQL入門編
MySQL中級編
Webアプリケーション開発編
Docker入門編