Python
機械学習
DeepLearning
ディープラーニング
深層学習

[2019年5月版] 機械学習・深層学習を学び、トレンドを追うためのリンク150選


これは何?

5月11日発刊の :books: 図解速習DEEP LEARNINGの書籍中で参照しているリソースをサポートページ用にまとめたものです。

(実行できる.ipynbノートブックへのリンクなど、書籍自体のサポートページは https://github.com/tomo-makes/dl-in-a-sec です)

もともとは本を読みながら各リンクを眺めてもらうため、飛びやすくしようとリンクを整理しましたが、本が手元にない方にも役立つのではと思い、Qiitaで公開することにしました。


凡例

:movie_camera: YouTubeなどのビデオ

:pencil: 論文、サーベイ資料

:bar_chart: プレゼンスライド

:books: 書籍

:octocat: GitHubリポジトリ

:newspaper: ニュース

:mailbox: メールニュース


  • リンクは本の章立てに沿って並んでいます


さて、学会、勉強会、発表会などの1年にあるように、ゴールデンウィーク明けからイベントラッシュ。様々な発表が期待されます :smile:


  • 5/6-9 ICLR 2019

  • 5/6-8 Microsoft Build

  • 5/7-9 Google I/O


1章 機械学習・深層学習を学ぶための地図を持とう


1.1 「知る・わかる」から「できる」へのロードマップ

機械学習・深層学習を学ぶみちすじ

Jupyter Lab/ Colaboratoryなどの対話型環境、それをPaaS/ SaaSとして提供するサービス、チュートリアルが増えてきたので、まず「習うより慣れる」で取り組んで見ると良い、という図。

image.png


「Why/What/How」 - 地図3: 適用分野と手法


「必要な道具と実装」 - 地図6: システム、アーキテクチャと権利


1.2 さまざまな分野と最先端の事例

この節は、表形式・画像/映像・文章/言語・音声/音楽・その他の分野別、また認識・生成・行動といった種類別に追ってみる、事例のシャワーです。

image.png


各分野の広がりと最新状況を知る


数値・表形式 - 推論: データから、対象を予測する

表(テーブル)形式のデータを対象とした機械学習の概要、現状紹介。


画像/映像系 - 認識: AIの目にうつるもの

一般物体認識・特定物体認識の概要、現状紹介。


画像/映像系 - 生成: AIの描き出すもの

GANなどの深層生成モデルの紹介。各デモムービーをざっと見るだけでも面白いです。


画像/映像系 - 認識と生成の間

深層生成モデルの持つ可能性、リスク、解釈性について。こちらも前半のビデオが興味深いです。後半に解釈性の説明があります。


文章/言語系 - 言葉を操るAI

代表的な対話ボットから、文章生成のデモまでを取り上げます。


音声/音楽系 - AIが聴き・話し・演奏するもの

スマートスピーカに代表される音声認識・合成から、音楽の生成まで事例を取り上げます。


グラフを扱う

数理的にグラフとして構造が表されるものはたくさんあります。グラフを扱った深層学習の現状について。


その他の領域

ここまでの紹介に入らない、触覚、3次元モデルなどの深層学習事例について。


強化学習: 行動を学ぶAI

Atariゲーム、碁、最近では多人数プレイのリアルタイム戦略ゲームまで、強化学習の幅が広がりました。その事例について。


1.3 最新の知見についていくために

自分の追いたい抽象度を意識しながら、上のトレンドに終わらせず、継続して最新情報を追いかけてみます。その際のリソース・考え方紹介です。

image.png


新しい情報を取り入れるには


フォローすべきメディア

日次、週次、四半期、年次と鮮度に応じてフォローすると良いメディアの紹介。特にWeekly Machine Learning, Rumors of MLのメールニュース2点はおすすめです。


学会、勉強会、発表会などの1年

歳時記。このGW明けから6月は、色々な発表が楽しみです。

機械学習系の学会

image.png

新製品発表・技術カンファレンス系

image.png


多様な講座と学びのアプローチ

代表的なオンライン講座・動画を取り上げます。


英語情報をうまく活用するには

鮮度の高い英語情報の活用には割り切りも必要。機械翻訳の活用について。


2章 機械学習・深層学習の基礎を学ぼう


2.1 手書き数字識別で機械学習の流れを体感する


Colaboratoryを使ってみる


まとめと発展


2.2 インタラクティブに学ぶ機械学習の舞台裏


2.3 画像認識コンペの世界を覗く


2.4 機械学習の流れ


3章 さまざまな事例を実践してみよう

こちらにはリンクを紹介します。メインはノートブックで26事例を実行し、触れてみることです。ノートブックは、サポートページ https://github.com/tomo-makes/dl-in-a-sec から試せます。


3.1 数値・表形式のデータを使った機械学習を試す

東大松尾研データサイエンス講座に取り組む

まとめと発展


3.2 画像/映像を扱う深層学習を試す

概要

まとめと発展


3.4 自然言語を扱う深層学習を試す

概要

まとめと発展


3.5 音を扱う深層学習を試す

概要

まとめと発展


3.6 強化学習系を試す

概要

まとめと発展


3.7 深層学習を使ったアプリのPrototyping

JavaScriptのMLライブラリ

プロトタイプの開発環境

いろいろな作例を動かしてみる

既存のアプリ作例を見る

まとめと発展


4章 Colaboratory使いこなしガイド

Colaboratoryの概要、詳細は 【秒速で無料GPUを使う】深層学習実践Tips on Colaboratory - Qiita をご覧ください。

Colabを開いてみよう

ノートブックの基本操作

ノートブックのランタイム

ファイルの読み込みと保存

Colabの制約を外したい


おわりに

各分野を概観し、お役にたつものがあれば幸いです。

リンクはリファレンス的に使っていただいても嬉しいですし、

image.png

こんな考え方で、機械学習・深層学習のトレンドをひとっ飛びに追い、理解できる :books: 図解速習DEEP LEARNINGも、よろしければ手にとってくださいまし :smiley: