#はじめに
AIは現在とても流行っており、様々なところで無料講座が公開されています。業界の大御所、米国の有名大学の講座、有名企業の資料など、とても質の高いものが公開されており、これを無料で学習できるなんてすごい時代だなと思います。ただ、いろいろなところに散在していて比較するのが大変だと感じたので、一箇所にまとめたら便利かなと思ったのでまとめてみました。使い方としてはこの記事で紹介している講座を全部を受講するのではなく、自分に合うと感じたものを１つやりきるのが良いのかなと思います。その上で補完する部分を他の講座で補うなどすれば効果的でしょう。
見つけられた範囲でのものなので、これも入れたほうがいいんじゃないか、というご指摘をいただけるととてもありがたいです。
#AI For Everyone
スタンフォード大学教授Andrew ng氏と東京大学教授松尾豊氏が講師を務める講座。AIに関する前提知識がなくても受講できる内容になっているので、まずはAIとはなにかを知るのにおすすめです。テストを受けたり、修了証の取得をする場合は有料ですが、コースの受講だけなら無料です。
#高等学校の「情報Ⅱ」のためのデータサイエンス・データ解析入門
株式会社Rejouiが制作した高等学校での選択科目「情報Ⅱ」の補助教材。総務省統計局サイト上で公開されていて、総務省統計研究研究所が監修を務めています。先生へ向けたもので、指導を行う際、その導入あるいは発展をサポートするための活用素材として作成」されてるので、前提知識がなくても読んでいける内容になっています。
#数理・データサイエンス・AIモデルカリキュラムに準拠する教材
東京大学 数理・情報教育研究センターが公開する教材。本教材では、リテラシーレベルは「データ・AIの活用領域」「統計および数理基礎」「時系列データの解析」など基礎的な内容、応用基礎レベルは「データ分析」「プログラミング基礎」「AIの構築・運用」など応用的な内容を取り扱っています。
#リテラシーレベルモデルカリキュラム対応教材
数理・データサイエンス教育強化拠点コンソーシアムが公開する、東京大学や滋賀大学らが提供している無料の学習コンテンツをまとめたサイト。AI（人工知能）、データ分析、時系列解析、回帰分析、「Python」や「R」といったプログラミングなど、データサイエンス関連の幅広いコンテンツを取り扱っています。導入、基本、補助教材は無料、教科書シリーズとの対応は有料の書籍の詳細ページにリンクが飛ぶ仕様になっています。
#はじめてのAI
Grow with Googleが提供する講座。AIに関する知識がなくても受講でき、活用することに関するヒントを得ることを目指しています。また、Grow with GoogleはAIの他にもデジタルスキルに関する様々な講座を提供しています。
#Machine Learning for Beginners（初心者のための機械学習）
MicrosoftがGitHub上に公開するカリキュラム。本カリキュラムは12週間／24レッスンで学習できます。本カリキュラムはあらゆる年齢層の人が機械学習の基礎を学べることを目的に公開されており、主にScikit-learnライブラリを使用して「古典的な機械学習」について学習できます。
#AI-900対応 Azureで学ぶクラウドAIソリューション初級編
日本マイクロソフト株式会社が提供する講座。AIの基礎について学び、Microsoft認定資格「AI-900」の資格取得を目指すコースとなっています。前提知識としてはプログラミングに関する一般的な知識や経験があれば好ましいとなっています。受講時間は約9時間です。
#AWS デジタルトレーニング
AWSが提供する講座。様々な学習オプションがあるので自分のレベルに合わせた学習が可能です。
#IoT／DX入門
シスコシステムズ合同会社が提供する講座。AIだけでなく、IoT、Python、DX、ビッグデータなどが幅広い内容が学べる内容になっています。前提知識は不要とのこと。所要時間は約５時間です。
#CS50.jp
ハーバード大学のCS50xは、コンピューターサイエンスとプログラミング技術を紹介するコースです。プログラミングの経験の有無にかかわらず、経験者と未経験者の両方を対象としています。AIに関する講座は１つだけですが、それ以外にもコンピュータ・サイエンス、プログラミングの基礎、C、Python、SQL、JavaScriptに加え、CSSやHTMLなど、幅広い内容を扱っています。
#ニューヨーク大学データ・サイエンス・センター 2020年度春学期
ニューヨーク大学コンピュータ・サイエンス学科シルバー教授、チューリング賞受賞者でもあるYann LeCun氏らが講師を務める講座の学生によるレクチャー・ノートです。この講義は「DS-GA 1001 Intro to Data Science」あるいは大学院レベルの機械学習科目をすでに履修していることを前提としています。
#『解釈可能な機械学習──ブラックボックス化したモデルを説明可能にするためのガイド』の日本語訳
データサイエンティストのChristoph Molnar氏が著した説明可能なAIに関する名著。株式会社HACARUSの有志のデータサイエンティスト、インターン学生が主導となって翻訳されたものになっています。HACARUS公式ブログでは、「この本では、そもそもなぜ機械学習に説明可能性が必要なのかといった一般的な話から、本質的に解釈可能なモデル(線形モデルや決定木など)に対する解釈方法、ブラックボックスなモデルに対しても適用できるモデル非依存の解釈手法 (LIME や SHAPなど)など、さまざまなアプローチの説明がされているため、機械学習モデルの説明手法を俯瞰的に見るには最適な教科書となっています。」と説明されてるので、ある程度経験がある方には学びの多い内容になっているのではないでしょうか。
#予備校のノリで学ぶ「大学の数学・物理」
ヨビノリたくみで知られるYoutubeチャンネルの予備校のノリで学ぶ「大学の数学・物理」の動画。AIだけでなく、その基礎的な理解に必要な数学である線形代数や微分積分の動画もある。説明がとてもわかりやすいです。
#メディカルAI専門コース オンライン講義資料
株式会社Preferred Networksの岡野原 大輔氏，齋藤 俊太氏，菅原 洋平氏，その他多くの有志，そして株式会社キカガクの吉崎 亮介氏が中心となって作成された資料。線形代数，統計，確率の基礎，機械学習，DeepLearning（深層学習）の基礎や実践を学ぶことができます。受講想定者として大学生，大学院生，医療従事者を想定しています． また，Python，Google Colaboratoryの基本的な使い方を知っていることを想定しています。
#GMOペパボ 新人研修2021
GMOペパボの新人研修の一部として公開されています。機械学習の初学者がその手法のコンセプトを学び、手法を用いる際の設計や手順が研修前と比較して具体化できることを目標としています。機械学習研修は5日間・合計14時間で実施されたとのことです。
#おわりに
本記事がこれからAIを学ぶ方やさらに理解を深めたい方の助けになれば幸いです。この講座、資料を追加したらもっと良くなるというご意見をいただけるとありがたいです。
Twitterアカウントをフォローしていただけると励みになります!
@TAQRO_
#おまけ
AIではないですが、せっかく見つけたので載せておきます。
#量子コンピューティング・ワークブック
**東京大学素粒子物理国際研究センター（ICEPP）**の研究者が選定・執筆した、量子コンピューティングを手を動かして学びたい人向けの入門教材。量子力学や計算科学の前提知識を極力必要とせず、大学一年程度の数学とPythonプログラミングの知識があれば、ゼロから量子コンピューティングを自習できるような教材を目指した内容になっています。