機械学習入門系

カレンダー
機械学習をどう学んだか by 日経 xTECH
機械学習ツールを掘り下げる

おすすめ記事
文系学生が機械学習を学んだ半年間の軌跡
機械学習の勉強をはじめるきっかけ、実施した勉強方法、そして実際に「コーヒー豆の欠点豆の検出システム構築」までの流れが丁寧に紹介されていてます。
この記事の方のような、「何かを作りたい！」というアウトプット駆動の学習を、私はとてもおすすめしています。

ディープラーニング・機械学習系

カレンダー
Deep Learning論文紹介
 自然言語処理
 自然言語処理 #2
機械学習工学

おすすめ記事
物体検出について読むならこれ！
記事としては、
「Deep Learning for Generic Object Detection: A Survey [Li Liu+, IJCV2019]」
https://doi.org/10.1007/s11263-019-01247-4
を日本語訳くださった内容です。
物体検出の最新状況をサーベイする際は、まずこの記事を読むのが良いです。

BERTを用いたネガポジ分類機の作成
Googleが検索システムに導入を決めたことでも注目を浴びている自然言語処理のディープラーニング手法BERTを、日本語で実際に使用する方法を丁寧に解説された記事です。
日本語でBERTを使ってみたい方はまずこの記事を読むのが良いです。

2019年末版形態素解析器の比較
日本語で自然言語処理を行う際には、単語分割（形態素解析）を実施する必要があります。そのためのツールの代表である、MeCab、JUMAN、JUMAN++、Sudachiを簡潔ながら丁寧に解説し、実際に使用した様子を紹介してくださっている記事です。

しみじみと 150 Successful Machine Learning Models: 6 Lessons Learned at Booking.com を読んだ
ホテル予約サイト Booking.com が、機械学習を実ビジネスで活用していく上で学んだ教訓がまとめた「150 Successful Machine Learning Models: 6 Lessons Learned at Booking.com」の内容を丁寧にまとめてくださっている記事です。
ビジネスでの機械学習システムの評価手法が概観できます。
実際に機械学習システムを運用する際には、ビジネス的観点でその有用性を考える必要があります。その視点を丁寧にまとめた、素晴らしい記事です。

以上、AI系のカレンダーと記事紹介でした。

上記のBERTなどの実装を理解するには、今年私が執筆しました書籍
「つくりながら学ぶ！PyTorchによる発展ディープラーニング」などもぜひご活用いただければ幸いです。

システム開発っぽい系

システム開発と言いながら、一部のフロントエンドとフレームワークのみですが、私が見ているカレンダーを紹介。

カレンダー
Vue
Vue #2
Nuxt.js
Django
本番環境でやらかしちゃった人

おすすめ記事
Vue.jsでFF7風のポートフォリオを作った
とても大作なポートフォリオシステムです。面白い。システムはこちら。
https://ryuzo-nakata.github.io/portfolio-ff7/
マテリアの部分から画面遷移します。マテリアがITスキルになっています。

クラウド系

AWSとAzureです。GCPまでは申し訳ございません。カバーできておらず。。。
2つで手が一杯。。。

カレンダー
AWS
クラスメソッド機械学習 on AWS
Azure
Azure AI
Microsoft Azure Tech

おすすめ記事
Azure Cognitive ServicesのSpeech to Textで書き起こしをしてみよう
Azureの文字起こしサービス（日本語）を利用する流れと、簡単に利用できるようにリポジトリにまとめてくださっている記事です。日本語の文字起こしをしてみたくなったら、まずはこの記事を読みながら試してみるのがおすすめです。

Microsoft Azureのオススメの学習方法についてまとめてみる
AzureはAWSのように丁寧に学習方法がまとまった記事が少ないですが、この記事は非常に丁寧にAzureの学習方法がまとめられています。とても丁寧。

AzureでIoT系のサービスをサラッと(?)使ってみよう
サラッととタイトルにありますが、IoT系をAzureで実施する流れをstep by stepにとても丁寧にまとめられている記事です。IoT系をやるなら、まず読みたい記事です。