[記事紹介] AI を学ぶロードマップ

そんちゃー君

2024年6月27日 15:32

昨年のChatGPTブーム＆AIショックから一服、世の中的にAI懐疑からAI利用の実践の広がりにあっという間に世の中のムードが変わりました。
使えるみたいだから、そろそろやろうかな？という方にうってつけの記事があったのでご紹介。

前半は記事の紹介、記事がちょっと極端なのでAIを使う方の情報を付録として追加しました。

[記事] 2024 年までに AI を学ぶ必要があります! (そしてこれがあなたのロードマップです)

今すぐ学ぶべき 3 つの重要な AI スキル

AI の波に乗りたいなら、今年から学び始める必要がある最も需要の高いスキルを 3 つ紹介します。

Pythonプログラミング
1. 構文、データ構造、デバッグなどのPythonの基礎に慣れる
2. Python スクリプトの作成
3. AI モデルの構築とトレーニングの実践的な経験を積む
数学の基礎
1. 微積分— ディープラーニングモデルの最適化と分析
2. 線形代数— 機械学習に必要なデータの表現と操作
3. 統計— データのランダム性、不確実性、リスクを理解するために
4. 確率— 尤度を計算し、AIシステムの動作をモデル化します
データの基礎
1. データ収集- AIモデルのトレーニングに使用するデータセットの収集、クリーニング、ラベル付け、準備
2. データ分析— データセットを探索、視覚化し、洞察を引き出す
3. データエンジニアリング- データパイプライン、ストレージシステム、インフラストラクチャの構築と最適化
4. データ倫理— データの偏りを理解し、データのプライバシー、セキュリティ、透明性を確保する

AI学習ロードマップの計画

Pythonプログラミング
- オンラインコースとコーディングチャレンジでPythonの基礎を復習しましょう
- scikit-learn を使用してシンプルな機械学習モデルを構築する
- TensorFlowのようなディープラーニングフレームワークを試してみましょう
数学の基本概念
- カーンアカデミーのようなオンラインプラットフォームで微積分、線形代数、統計学を勉強しましょう
- 勉強会に参加して教科書や練習問題を解いてみましょう
- Pythonで基本的な数学の概念を実装する
データの基礎
- データ分析、視覚化、エンジニアリングのベストプラクティスに関するオンラインコースを受講する
- データセットを収集、クリーンアップ、分析、視覚化するためのプロジェクトを構築する
- データの偏りを見つけ、責任ある AI 実践を確実に行う方法を学びます
統合と適用
- これらすべてのスキルを組み合わせてエンドツーエンドのプロジェクトに取り組む
- スキルを次のレベルに引き上げるために、ブートキャンプ、ナノ学位、修士課程を検討します
- ネットワーキングを開始し、ジュニアAI職やインターンシップに応募しましょう

ここまで読んで、理系大学の生徒＆卒業生様以外は「ウッゲー、無理」っという方が殆どではないでしょうか。　
しかし、上記の概念は殆どが高校教育までものばかりです。最近は日本経済や日本の企業の批判が多いですが、国や企業の構成要素である人間の教育レベルが「未達」であることが日本の弱点なのをわかりやすくしてくれる記事かな？と思いました。

海外であれば、学歴通りのパフォーマンスがなければ解雇されても仕方ないと思いますが、日本ではそうはなりません。高卒には何も期待しないどころか大卒にもほぼ知的な期待はありませんし、生涯教育のような文化もありません。
そんな、知的分野ではかなりぬるい環境が今の日本の低迷の要因の１つです。逆に言えば現実を見て、やるべき事に取り組み前に進める人にはチャンスは非常に多いのが日本の労働環境かと思います。

※記事はAIを学ぶ、のが目的で「今すぐに使う」ことは考慮されていないので、使う方に便利なアイデア集を下記に追加しました。