テクノロジー

機械学習入門 仕事にする為のPythonと数学の学習方法

こんにちは。

1週間ほど、機械学習に必要な数学やPythonのプログラミングについて勉強していました。

まだ入門者ですが、機械学習や人工知能(AI)については仕事にも活かしていきたいと僕自身も思っています。

今回はそんな文系の僕が始めて、効果のあった機械学習における数学とPythonプログラミングの学習方法についてまとめていきたいと思います。

これから機械学習や人工知能(AI)の事を学ぼうと思っている方の参考になれば嬉しいです。

データサイエンスについても勉強していましたが、直近で機械学習について習得しないといけない状況になってきたので、今は機械学習についてやり始めています。

データサイエンスについての記事はこちらでもご紹介しています。

あわせて読みたい
データサイエンス:Pythonの基礎とデータ分析の基礎今月から初めて、途中で中断をしていたデータサイエンスの学習内容についてまとめてみました。やっぱり新しいことの学習は日々コツコツと積み重ねないといけませんね。今回は少しPythonのコードについてもまとめてみました。...
あわせて読みたい
文系の非エンジニアが考えるPythonデータサイエンス最近はもっぱらデータサイエンスの勉強に自分の時間を費やしています。数学とかは苦手な分野なのですがやっぱりトレンドを追いたいという気持ちで勉強してます。やってみると楽しくなって来たので、少し考えをまとめておきます。...

機械学習の勉強は仕事のキャリアアップになる

機械学習は今まさに人気の分野です。

それに伴って、数学の勉強やプログラミング言語のPythonを学ぶ人も多いのではないでしょうか。

少しその背景に触れていきたいと思います。

機械学習が注目を集める背景

新しい分野のことを学びたいと考えている人は多いと思います。

その中でも最近注目を集めているのが人工知能(AI)や機械学習、ディープラーニングと言った言葉をよく耳にしますよね。

これらを技術として習得するには、プログラミングや数学的な背景を身につける必要があります。

では、なぜこれらのキーワードが人気なのでしょう?

技術的な進歩によって、また、IT化が進んで、僕たちの生活の中にはたくさんのものがデータ化されるようになりました。

いわゆるビックデータというものです。

企業や組織の中でこのビックデータを持っているところも増えてきています。

ですが、このビックデータを「どのように活用できるのか」、あるいは「誰が使いこなせるのか」といったことを、企業や組織においては課題になっています。

それだけ専門性が求められる分野でもあるということですね。

機械学習はこのデータを扱って様々な結果を「予測する」ことが目的になります。

人手不足と入門者が増えている人工知能(AI)・機械学習の分野

Machine learning mathematics

このような「予測」や「分析」といったことができるようにしたいというニーズが今高まっています。

ただ、それが出来る人材というのが非常に足りないという状況が今起こっています。

企業としては、早くこの分野に着手して市場をリードしたいと思うでしょうし、もし仮に乗り遅れたら経営的な危機にも陥りかねないです。

ですので、この分野の専門性を身につけている人の人材獲得が急務となっています。

また、中からこの分野の専門性を身につけた人材を育てようという動きも見られます。

さらに、大学や専門学校でも人工知能分野の講座を設けるところが増えてきています。

このようにして、足りない人材を補う為に様々な機関が動き始めているのも見てとれます。

このブログを見てくださっているということは、もしかするとこのような世の中の動きを捉えたからではないでしょうか?

市場成長性のある分野でのキャリアアップ

このように、人工知能(AI)の分野は市場としても成長している分野です。

そして、企業や組織にとってもまだまだ課題を抱えている分野でもあります。

だからこそ、この分野に早くから精通しておくことで市場成長の波に乗っていくことがキャリアアップの足がかりになると考えることができます。

また、企業や事業において、機械学習のことを理解しておくと、これからの必要な人材の採用やマネジメントにも活きてきます。

もちろん、大学や専門学校で学んできている学生を採用するわけですから、彼らと同じ目線で思考できるということが大切になります。

また、採用した後でも、彼らを活用しなければいけませんよね。

その時、全く共通言語を持たないマネジャーと共通言語を持つマネジャーとでは、どちらの方がそのチームをうまく導いて成果を目指すことができるでしょう?

答えは明白ですよね。

対外的な周知でチャンスの声がかかる

また、この手の分野について知っているということを対外的に周知できれば、外部からのスカウトというのも可能性として出てきます。

もちろん、大手企業のみに関わらず、新しいことにチャレンジしたいスタートアップ系の企業からの声もかかるかもしれません。

この辺りは様々な判断があるかとは思います。

ですが、市場全体が伸びているときに、その中心となる技術やノウハウを身につけていることが今後のキャリアにおいて大いに役立ちます。

最初はとっつきにくい分野に見えるかもしれませんが、だからこそチャンスがたくさんあると考え、どんどんトライしていくことを勧めたいです。

何から学べば良いか? 機械学習に必要な数学と学習方法

differential

それでは、機械学習を勉強するに当たってどこから手をつけていけば良いかを解説をして活きます。

人工知能(AI)と機械学習の関係

そもそも、人工知能と機械学習って、一体何が違うんでしょうか。

また、最近よく耳にするディープラーニングって何でしょうか。

まずはここを押さえておきたいと思います。

ざっくりとご紹介すると、

人工知能の一部の分野が「機械学習」です。

そして、機械学習の一部の分野が「ディープラーニング」です。

ここは、実は整理できている人って少ないのです。

また、勉強を始めようとしている入門者の方々は疑問に持たれると思います。

一言で人工知能と言っても色々とあるのでしょうけど、ここではこのように覚えて頂ければ良いのではないかと思います。

人工知能を支える数学

それでは、数学の分野ではいかがでしょうか?

僕もデータサイエンスなどを触れ始めた頃は、

「高校の数学とか全部やり直してみないと追いつかないんじゃないか?」という不安に苛まれました。

ぶっちゃけ、本屋さんで「高校生の数学の基本」という感じの本を何度も手にとったくらいです。

ですが、主に機械学習を勉強する際には、以下の数学の基本さえ理解しておけば良いです。

  1. 微分・積分
  2. 線形代数
  3. 確率・統計

いかがでしょうか?

言葉の意味がわからなくても、学んでおくべきテーマはなんとなく聞いたことがあるのではないでしょうか。

これでかなり範囲が絞られたのではないでしょうか。

とは言っても、文系であったり、もうそんな昔の勉強なんて覚えていないという人もきっと多いと思います。

僕も、この辺りって学校の授業で本当にやったのか、全く記憶がありませんでした。

そして、勉強を進めるうちに、やっぱり学んでいなかったことに気付いたりしてww。

機械学習入門者が数学の勉強に取り組む時の2つのポイント

よく分からないことを、大人になってから学び直すというのは、とても大変ですよね。

そして、どうしても分かりやすい本などを手にしてしまって、それでも分からなかったら挫折してしまうということは、多いのではないでしょうか。

この手の勉強方法や、勉強に取り組むにはポイントが2つあります。

ポイント① 自分にあった教材を探す

1つ目はこれです。

  • 自分に合った教材を探し続ける

テキストや本に書いてある事がどうしても理解出来なければ、どんどん本を変えていきましょう。

「一冊が終わるまで」とか、「せっかく買ったのだから」と思ってその本で学び続けるのだと大変です。

途中で挫折してしまったら、それまでの時間が無駄になってしまいます。

入門者に陥りがちな失敗ですよね。

わかりやすいと思える本が見つかるまでは、出費も増えるかもしれません。

ですが、最終的には機械学習に必要な数学の基礎を身につけることがゴールです。

その為には、本代も投資と思っていいテキストや教材と出会うまで諦めずに探すのが良いと僕個人としては考えています。

ポイント② 1時間ではなく1週間考える

次に、2つ目のポイントです。

  • わかるまで、「最低でも1週間考え続ける」という姿勢を持つ

今度は精神論的な話になってしまって恐縮なのですが。

僕も経験があるのですが、文系で過ごしてきた学生時代を振り返っても、

「どうしてこうなのだろう?」

とか、

「何が原因なのだろう?」

という事を避けてきていました。

少しはそのような問いを自分に問うのですが、すぐに答えが出なければ考えるのをやめてしまいます。

また、1時間考えたり悩んでみて解消されなければもう考えません。

このやり方が良くなかったのだと気付きました。

1時間ではなく1週間考える。

考える時間が短かったんですね。

この歳になって気づくのも遅いかも知れませんが、学生時代にこの姿勢を身につけておきたかったなと悔やまれます。

特に、数学は何度もしつこく勉強したり、復習を繰り返ししないと、身につけないと思います。

しつこく考えるからこそ、身につく知識があるという事を再認識して、学習に努めていただくと良いのではないでしょうか。

プログラミング初心者でもPythonは学びやすい

では、次にプログラミング言語のPythonについてです。

僕もこれまで、PHPやObjective-Cなどのプログラミング言語について触れてきました。

ですが、Pythonはそれらと比較しても非常に理解しやすい言語のように感じています。

大掛かりなコードをまだ書いていないからかもしれませんが、それでも比較的書くコードは短くて意味も理解しやすいと感じています。

数学の学習と同時並行で、Pythonも勉強するといいです。

サンプルソースから始めてみる

僕のおススメは、一度Pythonのプログラミングで何かしらの機械学習のサンプルソースを打ち込んでみることです。

そのあとに、基礎の数学とプログラミングをゼロから学ぶのが良いと思っています。

例えると、最初に「赤本」をたくさんやってから勉強し始めるのに似てるかもしれませんね。

恐らく始めは全く理解できないかと思います。

ですが、赤本をやると、

「〇〇ヶ月後にはこれを理解できるようにならないといけない」

というゴールが見えます。

そうです。

みなさんが仕事として機械学習の数学やPythonを使いこなすには、そのゴールをまずは知って、そこに果敢に挑戦することが必要です。

そして、それから何を学ばなければいけないのか逆算ができるようになります。

それから学ぶ事をリストアップして、ひたすらこなしていくという事に邁進しましょう。

また、Pythonに関して言えば、ライブラリと呼ばれる便利な機能もたくさんあります。

これらの使い方を1つひとつ理解できていけば、習得も加速度的に早くなるでしょう。

まずは、入門者からの脱却を目指しましょう。

勉強方法は動画からが入りやすい

ここからは、僕の学習方法についてご紹介します。

僕は、まずは本などの書籍から学び始めたのではありません。

その理由としては、本当に数学的な部分には苦手意識を持っていたからです。

教科書的な物を買って読んでも、機械学習や数学、Pythonのことは身につけられないだろうと考えました。

そこでたどり着いたのが動画だったわけです。

動画学習のメリット

動画学習については、こちらの記事でもご紹介しましたね。

あわせて読みたい
テクノロジー初心者の僕がUdemyで申し込んだコース データサイエンスの勉強を平日は行わないと一旦は決めてみました。 とはいえ、どうやったらキチンとした学習が出来るんだろうなー...

僕にとって、動画で学ぶメリットとしては、

  • 動画解説の流れに沿ってやれば、比較的強制的に進行できる
  • 分からなかったりした場合、一時停止ができる
  • 場所の制約がない

といったメリットがありました。

これまでに、機械学習やデータサイエンス系の動画コースを3コースほどはやってみました。

動画で編集されているからこそ、分かりやすく丁寧に解説されていて、非常に学びやすいと感じます。

様々なコースを見比べてみると、自分がまだ分かっていないテーマなども見えてくるので、いくつかやってみると良いと思いますね。

そうしてようやく自分にあったコースと出会えたりします。

最初は色々と試してみるということが必須かもしれませんね。

まとめ

いかがでしたでしょうか。

今回は、機械学習入門 仕事にする為のPythonと数学の学習方法についてご紹介しました。

機械学習に関しては、Udemyで始める機械学習とPythonおすすめ入門コースでもご紹介しています。

あわせて読みたい
Udemyで始める機械学習とPythonおすすめ入門コースUdemyでPythonを用いた機械学習やデータサイエンスのおすすめコースをご紹介しています。入門者向けに学習のしやすかったコースをいくつかピックアップして各テーマごとでご紹介してます。Udemyで機械学習やデータサイエンスを学ぶ入門者に、参考になればと思います。...

ぜひ参考にして頂ければ嬉しいです。

今日はこの辺で。

関連記事