胃がん(178)機械学習の勉強

自分の仕事の知識経験のバックグラウンドは電気設計エンジニアだが、管理職なのでソフトウェアもメカもチームメンバーに居る。ご多分に漏れず自分の仕事も「AIでなにか良いことできないの」と問われ続けている。今まで表層的な知識でやりくりしていたが、それでは自分のチームメンバーや社外の開発パートナーと建設的な議論ができないと思い、一念発起して今年は機械学習の勉強をしている。以下の三本柱で進める計画だ。

1. 基礎知識の習得　G検定

2. 実践応用　Jetson Nano

3. 実践基礎　Pythonでアルゴリズム実装

1.基礎知識の習得では、ディープラーニングG検定の勉強を4月の初めからしている。用語や概念同士の関係が分からないので、1からザックリ理解するためには良い。SVMって何？決定木ってなんのこと？とか。自分は学生時代から資格検定が好きだったので、モチベ維持にも役に立っている。ただし、数式はほとんど出てこないのでモデルの中身の理解はほとんどできない。これは3.実践基礎で攻略予定。用語・概念ばかり学んでいるのでそのうち飽きそう。こちらも2.実践応用で対応中。G検定は7月に受験予定。受験者コミュニティがあるようなので、そこでの異業種交流も楽しみにしている。

2.実践応用が次に来る。実践基礎が先ではないかと思われるがそうではない。基礎ばかりではモチベ維持できない。世の中はPyTorchなど機械学習のモデルが溢れており、これらを使えばお手軽に何でもできる。画像分類、自然言語処理など。Jetson Nanoを使ってジャンケンマシンを作るなど、楽しくやりたいと思う。

3.実践基礎がおそらく一番時間がかかる。機械学習の様々なモデルについて裏付けとなる数学を習得しつつ、それをPython実装する。シグモイド関数の実装などだ。これをやらないとモデルの仕組みなど腹落ちしないと思う。また、どの計算コストが重いとかも体感したい。

上のような学習計画は、最初から立てたわけではなくてG検定の勉強をしながら考えたものだ。巷には機械学習の勉強動画や解説記事が溢れまくっていて、何から手を付けたら良いやら分からないので、今回きちんと整理出来てよかった。機械学習はまさに学際的な分野で、数学はもちろん、心理学(チューリング・テスト)、神経科学(単純パーセプトロン)、統計学(薬の効き目の判定方法と機械学習モデルの評価方法が同じ)、政治(各国政府がAIに対してどう反応しているか)などなど学ぶことが多くて本当に面白い。

抗がん剤をやりつつ勉強するのは大変なこともあるが励みにもなる。朝食前の比較的体調が安定している時間の30分を充てて毎朝やっている。