政府から「AI戦略」も出てきました
https://www.kantei.go.jp/jp/singi/tougou-innovation/dai4/siryo1-1.pdf
見られた方で、AIの習得が必要だと感じた方もいるのではと思います。
私が2017年から勉強したもので、お勧めな教材を紹介したいと思います。
必要な知識
最低限、下記２つの知識があればどうにかなるのではと思っています。
日本語の教材が限られる場合があって、やむなく、英語の教材を探すこともありますので、英語の知識もあると良いです。参考までに私はTOEIC 600前後で、動画の再生速度を0.7倍速、字幕付きで何とかかんとか理解している感じです。
微分、偏微分の考え方
計算式がどうこうではなく、微分ってこんなものくらいで十分です。
行列の計算（線形代数）
行列の計算はよく使いますが、大抵は、下記のように行列の縦横の形を気にすることが多いので、行列の掛け算で十分です。
勉強教材
ウェビナー
私は本より、断然ウェビナーがお勧めです。
理由は、とてつもなくわかりやすいからです。＊当然先生にもよると思います。
それと、宿題や問題が途中途中で出るので、理解度のチェックもしやすい。
私が利用しているウェビナーは「Cousera」「Udemy 
」です。
| MachineLearning | Deep Learning Specialization |
Reinforcement Learning in Python |
Deep Reinforcement Learning in Python |
|
| 価格 | 無料 | 5,444円/月 | 1200円（セール） 21,600円 |
1200円（セール） 21,600円 |
| 言語 | 日本語あり | 一部、日本語 | 英語 | 英語 |
| 習得内容 | 機械学習基礎 | 画像、自然言語 （時系列データ）の DeepLearning |
強化学習 基礎的な考え方 |
強化学習 |
| ウェビナー | Cousera | Cousera | Udemy | Udemy |
| おすすめ度 5段階 |
5 | 4 | 3 | 3 |
下記を1から4進めていくのがお勧めです。
1.[Cousera] MachineLearning
Andrew先生の授業で、こんなにわかりやすい授業があるものかと感動しました。
機械学習の基礎的なアルゴリズムを習得できます。
学生の時こんな先生の授業を受けたかったですが、大人でもこうして、海外の先生の授業が無料で受けれるのはすごいなと思います。
日本語訳がついています。
2.[Cousera] Deep Learning Specialization
これもAndrew先生の授業です。
DeepLearningの画像と文章などの時系列データについて習得できます。
有料で5,444円/月なので、１ヶ月で終われせれば、5,444円ですみますし、動画や教材資料、講義のしゃべっている内容の文字までダウンロードできます。
1年前まで日本語訳がほとんどついていませんでした。
終わると修了証をもらえます。
3.[Udemy] Artificial Intelligence: Reinforcement Learning in Python
ここ最近注目されている「強化学習」のウェビナーです。
基礎からしっかり学べます。あとで紹介する、強化学習の日本語の本を2冊読みましたが、基礎的箇所が省略されているものだったので、この講習でしっかり習得した後、本を見るとしっくりくる印象です。
図解の説明が少なく、英語なのでわかりにくいかもしれませんが、サンプルコードがあるので十分なのと、1200円（セール中）という圧倒的な安さ
4.[Udemy]Advanced AI: Deep Reinforcement Learning in Python
強化学習を実装してみたい人は、3に続いて、この講習も必須です。
同様に、図解の説明が少なく、英語なのでわかりにくいかもしれませんが、サンプルコードがあるので十分なのと、1200円（セール中）という圧倒的な安さ
本
0.最新 人工知能がよーくわかる本
2016年の本なので、すでに最新ではないですw
それっぽい本がいっぱい出ていると思いますので、今の最新と言っている本を買うのが良いと思います。
私は、この本を読んでIBM Watsonを知り、実際に契約して使いました。
1.TensorFlowで学ぶディープラーニング入門
TensorFlowもDeepLearningも知らない初学者にお勧め。
私も、初学ではこの本がスタートです。
TensorFlowの使い方と合わせてDeepLearningのコーディングを習得できます。
最終的には、Kerasとかより楽なものを使うのですが、知っていて損はないと思います。
2.TensorFlowではじめるDeepLearning実践入門
私は、RNNの4章に入って挫折しました。
RNNは後々に、ウェビナーの[Cousera] Deep Learning Specializationで理解しました。
私と同じで、RNNの構造を表す図を見て、なんだこりゃと思った方は、ウェビナーを見ていただきたいです。
RNNの図は一般的なものが描かれていますが、初めて見たときは全然意味することがわかりませんでした。画像のDeepLearningの四角がいっぱい並んでいるのも同様でした。
3.ゼロから作るDeep Learning
これは、パラパラっと見て、ウェビナーの[Cousera] Deep Learning Specializationと内容かぶる点が多かったので、たまに調べるときに開く程度です。
ゼロから作るというタイトル通り、基礎的なところから学べます。
Couseraを受けていれば、不要だと思いますし、逆に受けていなければ、この本をすると良いと思います。
4.Pythonではじめる機械学習
ここまで、やっているとふと、DeepLearningに知識が偏っていることに気づき、従来からある機械学習を勉強するように購入した本です。
勉強というよりかは、すべてのアルゴリズムを理解するのは大変なので、使いたいものを調べながら、使う感じで活用しています。
5.最強囲碁AI アルファ碁 解体新書
強化学習の「経験から学ぶAI」というフレーズに惹かれて、勉強し始めた本です。
概念的な話が多くて、これを読んでもすぐにプログラミングができるというものではありません。
魅力的なところは、α碁で使われている、勝率予想モデルとか画像のDeepLearningとかと違う構造になっているので、そう言った考え方は新しい発見になると思います。
6.つくりながら学ぶ！深層強化学習
実際に、強化学習を使ったアプリケーション開発を行いたかったので、買った本です。
PyTorchによる実践プログラミングのサブタイトル通り、実際にコードを書いて強化学習の概念を学びます。
ただ、この後、Udemyの強化学習のウェビナーを受けましたが、そちらの方が詳しかったため、ウェビナーも一緒に受けられるのをお勧めします。
ウェビナーは英語なので、すべて理解できなくても、この本で補うように勉強していました。
最後に
以上、私が今まで使った教材です。
勉強していると、知らない単語がどんどん出てきて、また勉強という繰り返しですが、
その結果、何かしらアプリケーションとして形にして、困りごとを解決できると楽しいと思います。