AIエンジニア養成講座

Andrew Ngが会社をAI化するための方法についての記事を年末に送ってきたが，そこに社内でAIエンジニアを育成するには100時間以上の教育が必要だと書いていた．

外部の教育資源を使えば良いと書いていた気がするが，確かに英語なら豊富にあるが，日本語の資源は少ない．簡単な例題をコーディング（というか写経）しただけでは，本当に自分で問題解決のできるエンジニアは育たないのだ．

大学の演習では，例題とお手本のコードを示した後に，似た練習問題を幾つかつけて，自分の頭で考えて，自分の手でコーディングさせるようにしている．それを膨らませれば，100時間分くらいの資料が作れるかもしれない．

1. Python：これは必須だが，事前に自習で良いかもしれない．基礎演習では別の先生がpaizaを使って教えているが，paizaのビデオをいた程度だと自分で書けないと嘆いていた．重要な項目ごとに，実践的な練習問題を幾つか作っておくと良いだろう．たとえば，zipとか辞書内包などはよく使う．大学のPythonの講義は15回分（20時間以上！）かけているが，できるようになるのはほんの一部で，さらにクラスやジェネレータなどは，PyTorchなどを使うには必須だが，このあたりも全然教えていないようだ．

2. NumPy：深層（機械）学習のほとんどのソフトウェアがPythonから使えるが，ほぼ全部がNumPyをベースにしている．NumPyのbroadcastの概念などを理解していないと困るので，きちんと練習しておく必要がある．大学では2時間くらいかけている．

3. Pandas：データの読み込み，加工はPandasを使う．描画はmatplotlibやPlotlyで行うが，Pandas経由のことが多い．また，実務では時系列を扱うことが多いので，datetime indexの操作などの練習問題を念入りにする必要がある．10時間．

4. Scikit Learn：機械学習はこれで学ぶ．大学では浅いところを教えるだけで4時間くらいかけているので，全部するには10時間くらいいるかもしれない．

5. Fast.ai：深層学習はこれが簡単でよい．中身を理解するために，一から自分でコーディングをするのも（大学で教える場合には）良いが，実務で使う際には，コードは短い方が良い．英語の講義で36時間くらいあったような気がする．

ニーズがあれば，大学の演習用のJupyter Noteを拡張して公開しよう．