本記事は、kaggle Advent Calendar 2018の17日目の記事です。 qiita.com 何を書くか直前まで悩んでいましたが、16日に参加したAIもくもく会の中で、 機械学習に興味はあるけど、どのような手順で、何から勉強していったら良いかわからない という方が数名いたので、自分が今年の3月くらい〜今日に至るまで勉強してきた中から 今の自分ならこのような手順で勉強することをオススメする！という記事を書いてみようと思います。 ※自分の勉強した教材の中からのオススメになるので、偏った内容になることをご了承ください。 ※これもオススメ！というものがありましたら、ぜひ教えていただけると嬉しいです。 タイトルにあるメダルより大切なものについては最後に記載しております。 対象読者 2018年3月時点の筆者スペック 2018年3月〜今日に至るまで勉強したこと羅列 書籍 動画 udemy

膨大な商品を扱うAmazonのストア運営や、同社のウェブサービスであるAWSなどにおいては、サービスのあちこちに機械学習を使ったAI(人工知能)が用いられています。エンジニアのスキルアップのために数々の機械学習関連の教育コンテンツを開発・提供してきたAmazonはなんと、それらツールの無料公開を始めました。 Amazon’s own ‘Machine Learning University’ now available to all developers | AWS Machine Learning Blog https://aws.amazon.com/jp/blogs/machine-learning/amazons-own-machine-learning-university-now-available-to-all-developers/ Amazon says it’s mak

by geralt 「AI」と「機械学習」の2つは並列して使用されることが多いものですが、両者はまったく異なるものを指します。AIと機械学習はどのように違うのか、そしてしばしば両者が同時に使われるのはなぜなのかを、ソフトウェアエンジニアのBen Dickson氏が解説しています。 Why the difference between AI and machine learning matters | TechTalks https://bdtechtalks.com/2018/10/08/artificial-intelligence-vs-machine-learning/ 「機械学習と高度な人工知能(AI)を使って何百ものデータを収集・解析してモバイルアプリのユーザーエクスペリエンスを改善」といった文言を、テクノロジーを利用する製品やウェブサイトで見かけたことがある人も多いはず。しかし

機械学習に必要な知識 ネット上の様々な意見 機械学習への携わり方と必要な数学 具体的に勉強を進める 簡単な問題で動作を確認 プログラムを書く Kaggleはやるべき？ 勉強を進める上で使えるツールたち Python Jupyter Notebook scikit-learn TensorFlow 機械学習に必要な知識 ネット上の様々な意見 機械学習の勉強をしていく上で大事なものは何でしょうか。 調べればプログラミングだとか統計だとか、解析学・線形代数学であるなど、いろいろな意見が見られます。 おそらくネット上で見つかるいろいろな意見、「機械学習では○○を勉強すべき」という話は、少なくともその話を言っている人の中では真であるのだろうと思われます。 要するに、その勉強をしたことによって（あるいはその知識を持っていたことによって）、その人は何らかの機械学習に対する知見が得られたと言っているのです

追記 【2020年版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメのAI勉強方法 また、Pythonや機械学習がオンライン上で学べるAI Academyをnoteでも書きましたが、3/17日からほとんどのコンテンツを永続的に無料で利用できるよう致しましたので、是非使って頂けますと幸いです。 AI AcademyとAI Academy Bootcamp 我々が運営している個人向けの２つのAI学習サービスです。 AI Academy 無料で100種類近いテキストコンテンツにて、Pythonや機械学習、ディープラーニングのが学べるオンラインAIプログラミング学習サービス AI Academy Bootcamp AI Academy Bootcampは、「短期間でAI活用スキルを付けたい」と考えている方や

2018年の注目点、トランプに続く二日目はいわゆるAIの話だ。 私たちのNPOには将棋のプロに近いメンバーが２人もいて、将棋の話を興奮して話してくれる。このため昨年NPO内で最も話された話題は、連勝新記録を達成した藤井聡太君のニュースと、棋士対コンピュータの電王戦の話だった。素人から見ても、将棋でAIがプロに勝つとは、AIがこの数年で急速に発達しているのが実感出来る。 もちろん、医学分野でもAIの進出は目覚ましいものがあり、例えば２月にスタンフォード大学から１３万枚近い皮膚病変の写真と、その病理診断結果をニューラルネットを用いて機械学習させることで、皮膚科の専門家と肩を並べるレベルの皮膚病変の診断が可能になった論文がなんとNatureに掲載されて驚いた（Esteva et al, Nature 542, 115, 2017）。 一方AIと医学について述べた最近のThe Lancetのエディ

東京大学医学部卒(生物統計学専攻)。東京大学大学院医学系研究科医療コミュニケーション学分野助教、大学病院医療情報ネットワーク研究センター副センター長、ダナファーバー/ハーバードがん研究センター客員研究員を経て、現在はデータを活用する様々なプロジェクトにおいて調査、分析、システム開発および人材育成に従事する。著書に『統計学が最強の学問である』(ダイヤモンド社)、『1億人のための統計解析』(日経BP社)などがある。 『統計学が最強の学問である［数学編］』 ビジネス書大賞（2014）、統計学会出版賞（2017）受賞シリーズの最新刊となる『統計学が最強の学問である［数学編］』の序章を公開。これから全ての人に必要な、統計学と機械学習を支える数学がこの1冊でマスターできる、待望の1冊です。 バックナンバー一覧 ビジネス書大賞（2014）、統計学会出版賞（2017）を受賞し、累計48万部を突破した大ヒッ