LoginSignup
7

More than 3 years have passed since last update.

はじめに

本記事では、“機械学習をどう学んだか”というテーマについて述べます。これまで@daikikatsuragawa はさまざまな方法で機械学習に触れ、学びました。それぞれの方法で得られたものや学んだポイントは異なりました。今回は、それぞれで何を得られたのかなどを紹介していきます。

今回の対象は以下です。

  • 講義
  • 研究
  • インターンシップ
  • Kaggle
  • 勉強会
  • SNS

※本記事は、あくまで2019年12月時点での個人の主観です。それゆえ、ご参考までにご覧ください。

機械学習をどう学んだか

講義👨‍🎓

概要

大学で情報科学を専攻していました。“データ〇〇”、“機械学習〇〇”、“人工知能〇〇”などという題の講義を受講し、機械学習について学びました。

感想

事前知識がほとんどない状態でしたが、データ分析とは、機械学習とはなんたるかということについて学ぶことができました。当時、人工知能(AI)、ディープラーニングと聞くと難しく感じていましたが、機械学習に関して、シンプルなアルゴリズムや概念について概要を学ぶことができました。ただし、プログラムを書いたわけではないので、この時点では概念はなんとなくわかるものの実装に対するハードルはかなり高く感じているという状況でした。

研究👨‍⚕️

概要

データを活用して、社会や福祉における問題に対していかに貢献するかといったことに取り組む目的の研究室に所属していました。研究を通して、必要に応じて書籍やウェブ、学術論文を読み、他のメンバーの知識を共有してもらうことで機械学習について学びました。

感想

機械学習によって社会をこんなに豊かにできるのかという“活用”について特に考えることができたと思っています。既存、関連研究や、他メンバーの研究に数多く触れることで多くの活用事例を把握することができました。これにより、機械学習の目的、タスクや適したアルゴリズムなどを整理するノウハウを得ることができたと思います。しかし、場合によってはデータ取得自体にかなりのコストがかかってしまい、モデルの構築に多くの時間を割く事ができないという点もありました。

インターンシップ🏢

概要

クライアントの要望に対して、データ分析、機械学習を用いて応えるという任務を受けていました。

感想

大まかには研究と似ている点も多いと思います。異なる点としてビジネスに関する考えを学ぶことができたと思ってます。具体的には、インターンシップとはいえ、マネタイズやコストなど費用の面についても意識する必要がありました。また、期限について、納期が明確に決まっており研究などよりはシビアに守る必要がありました。また持ち帰って作業をすることができず勤務中の過ごし方についてもかなり考える必要がありました。つまり、一貫して限られた条件(費用、利益、時間)でいかに最善を尽くすかということを考え、そのノウハウを学ぶことができたと思ってます。

勉強会📖

概要

しばしば勉強会に参加していました。内容はAIや機械学習に関して参加者が気になったトピックを共有して、それらに関してゆるく話し合うという内容です。

感想

早耳参加者から共有してもらう最新情報について学ぶことができました。技術、活用に関して日々研究がなされ参加しています。このような機会に積極的に参加することで常に最新の情報が得られるのかと思います。また、一つのニュースに対しても人によって捉え方が異なるのでそのあたりの刺激を受け、さまざまな捉え方を学ぶこともできました。

Kaggle📈

概要

データサイエンスのコンペティションプラットフォームであるKaggle1。実はインターンシップ参加時に社員さんから紹介を受けて知りました。まずはコンペに参加し、結果をだすことを目標に実装したり、周辺知識について勉強していました。

感想

アウトプットをする機会が多く、まずは機械学習を用いた予測をし結果を出すという流れについて何度も繰り返すことでノウハウを学ぶことができました。またコードのレベルで他者のやっていることを見ることができるため、実装のノウハウについても学ぶことができます。研究における学術論文ではアルゴリズムまでしか紹介されていないことも多く、他者のコードを多く見られるという点で魅力的でした。また、コンペ、データ自体も豊富であり、活用事例について学ぶこともできたかと思います。目的やタスクが定まっており、データも用意されているため、その状況でモデルの構築に集中して取り組むことができます。それゆえ、実装に関するハードルはかなり下がったと思います。

SNS📱

概要

Qiita2やTwitter3で気になる人をフォローして、情報を得ていました。最近はKaggleも活発ということもあり魅力的な人が多く、その人たちをフォローさせていただいております。また、すきあらば、非力ながら何かしらを発信しようとアウトプットしようとしています。

感想

勉強会と同様に最新情報を得ること、さまざまな人の意見を知ることができました。勉強会と異なるのは、オンラインということもあり、より多くの、素晴らしい方々の発信を受けることができるという点だと思っています。
またアウトプットという目標もできるためその内容に関して今一度学ぶ機会になっています。

番外編💡

複数の学び方を試すこと

これまで、6つの機械学習の学び方を紹介しましたが、わたしが特にオススメしたいことは、これら複数を組み合わせて試すことです。自分は、講義で“機械学習はなんたるか”を、研究やインターンシップで“どのように活用するか”を、Kaggleで“モデルの構築のノウハウ”を、勉強会やSNSで“最新情報”や“他者の考え”を学ぶことができたと思ってます。上記の方法は全て目的や状況が異なるため向き不向きや得られるものが異なります。それゆえ、複数を組め合わせることをオススメします。

他の学び方

わたしは試していないため特に言えることはありませんが、他にも機械学習の学び方があります。今後、試してみたいと考えております。皆さんもぜひ試してみてはいかがでしょうか。

  • オンライン講義(Coursera4など)
  • 発表(勉強会など)
  • 書籍

まとめ

“機械学習をどう学んだか”というテーマについて述べました。いかがでしたか?ぜひ参考にしていただけると幸いです。

それではみなさん。良い機械学習ライフを!(?)

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
7