[PYTHON] [Version 2020 für Anfänger] Empfohlene Lernmethode für diejenigen, die selbst KI-Ingenieur werden möchten

Serviceeinführung (AI Academy und AI Academy Bootcamp)

Dies ist ein KI-Lerndienst für Personen, die wir betreiben.

①AI Academy Online-Lerndienst für KI-Programmierung, bei dem Sie Python, maschinelles Lernen und Deep Learning fast kostenlos lernen können

• Praktische Inhalte sind für ca. 300 Typen für 980 Yen pro Monat verfügbar.

②AI Academy Bootcamp Kurzzeit-Bootcamp für intensive KI-Programmierung für Einzelpersonen (KI-Programmierschule) Python-Kurs (50.000 Yen pro Monat) Data Scientist-Kurs (120.000 Yen für 2 Monate) Ingenieurkurs für maschinelles Lernen (120.000 Yen für 2 Monate)

Wer ist das Ziel dieses Artikels?

・ Diejenigen, die in Zukunft Daten mit Python analysieren möchten, aber wissen möchten, womit sie beginnen sollen ・ Anfänger, die in Zukunft Arbeiten im Zusammenhang mit künstlicher Intelligenz in Betracht ziehen ・ Diejenigen, die von einer unerfahrenen Person KI-Ingenieur werden möchten und wissen möchten, welche Art von Wissen dafür erforderlich ist ・ Diejenigen, die darüber nachdenken, eine KI-Programmierschule oder eine Berufsschule zu besuchen, aber wissen möchten, wie man alleine lernt

Diejenigen, die nicht berechtigt sind

・ Diejenigen, die bereits Daten im Geschäft analysiert haben ・ Diejenigen, die Web-Apps erstellen möchten, die Deep Learning verwenden

• Da wir nicht diskutieren werden, wie Technologien wie HTML / CSS / JavaScript studiert werden, welche Fähigkeiten zum Erstellen eines Servers und zum Entwickeln eines Webdienstes erforderlich sind.) ・ Wie man für den Deep-Learning-Qualifikationstest lernt (G-Test, E-Qualifikation usw.) Usw. sind nicht zielgerichtet.

Mindestkenntnisse für KI-Ingenieure erforderlich

Zuerst habe ich das für KI-Ingenieure erforderliche Mindestwissen in sechs Teile geteilt. Wenn Sie in Zukunft als KI-Ingenieur arbeiten, verstehen Sie hier bitte ungefähr das Gesamtbild des Grundwissens der sechs Inhalte. ① Programmierkenntnisse

• Python (R, C ++, Julia usw. nach Bedarf)
• Unverzichtbare Bibliothek für Datenanalysen wie Numpy, Pandas, Matplotlib
• Scikit-Learn, TensorFlow, Keras (und andere PyTorch usw.) Bibliotheken und Frameworks für maschinelles Lernen

Die Datenvorverarbeitung ist für das maschinelle Lernen unverzichtbar, aber eine praktische Bibliothek für die Datenvorverarbeitung. ② Mathematik

• Differenzierung, lineare Algebra, Vektor, Matrix, Wahrscheinlichkeit usw. ③ Kenntnis der Statistik
• Standardabweichung, Varianz, Wahrscheinlichkeitsverteilung, Schätzung, Test usw. ④ Grundkenntnisse des maschinellen Lernens
• Gelehrtes Lernen und unbeaufsichtigtes Lernen
• Vorbehandlung, Feature-Design, Lernen und Bewertung
• Einzelne Regression, multiple Regressionsanalyse, Lasso, Ridge, Methode der kleinsten Quadrate, Perzeptron, logistische Regression
• Entscheidungsbaum, zufälliger Wald, Support-Vektor-Maschine, K-Mittel, Ensemble-Lernen
• Tiefe Lernfähigkeiten und Kenntnisse --scikit-learn und XGBoost
• Kenntnis von Frameworks wie TensorFlow und Keras
• Der Ablauf der Erstellung eines trainierten Modells mit Scikit-Learn.

1. Datenerfassung und Datenvorverarbeitung Vervollständigung fehlender Werte und Löschung von Ausreißern)

2. Feature-Design (Auswahl der Features)

3. Modellentwicklung (Modellauswahl und Lernen)

4. Modellbewertung: Kreuztest, Bewertung mit gemischter Matrix usw.

⑤ Kenntnisse über den Betrieb der Datenbank mit SQL

• auswählen, einfügen, aktualisieren, löschen, wobei, wie, begrenzen, summieren, durchschnittlich, max, gruppieren nach, haben, ordnen nach, Tabellenverknüpfung, Ansicht, Unterabfrage, Groß- / Kleinschreibung usw. ⓺ Cloud-Wissen
• Kenntnisse über Cloud-Infrastrukturen wie AWS, GCP und Azure Es gibt sechs große, und Sie denken vielleicht, dass es viele gibt, aber es wird empfohlen, dass Sie sich zuerst auf zwei konzentrieren, ① und ④, anstatt alles auf einmal zu tun. Der Grund dafür ist, dass es einfacher ist, weiter zu lernen, wenn Sie das Programm tatsächlich schreiben und sichtbar machen. Wenn Sie von der Theorie ausgehen, werden Sie zunächst frustriert sein, wenn Sie selbst lernen.

Empfohlene Methode, um künstliche Intelligenz selbst zu studieren

Das notwendige Wissen wurde im vorherigen Abschnitt eingeführt, aber wie können wir es lernen? Wenn Sie von ① bis ⑥ lernen, empfehlen wir Ihnen, das Wissen in der folgenden Reihenfolge zu erwerben. Phase 1 Lernen Sie maschinelles Lernen mit Python und eine Einführung in die künstliche Intelligenz Phase 2 Programmierung des maschinellen Lernens Fordern Sie Phase 3 Kaggle heraus Erwerben Sie Technologien wie Phase 4 SQL, Scraping und Cloud. Phase 5 unterrichten Ich denke, dass das Lernen in jeder Phase für mich am wenigsten belastend ist und Spaß macht, es zu lernen. Phase 1 bezieht sich auf Anfänger in der Programmierung. Wenn Sie neu in der Programmierung sind, werfen Sie bitte einen Blick auf Phase 1. In Phase 2 erklären wir Ihnen, wie Sie maschinelles Lernen programmieren, basierend auf dem, was Sie in Phase 1 tatsächlich gelernt haben. Wenn Sie bereits maschinelles Lernen mit scicit-learn programmieren, können Sie es überspringen. In Phase 3 wird beschrieben, wie man durch Wettbewerbe wie Kaggle praktisches Programmieren lernt. Phase 4 Da Daten häufig für maschinelles Lernen aus der Datenbank abgerufen werden, sind SQL-Kenntnisse unerlässlich. Hier werden wir vorstellen, wie Sie neben SQL auch Technologien wie Scraping (zur Datenerfassung) und Cloud erwerben können. Phase 5 Das Unterrichten von Menschen kann Dinge enthüllen, die Sie nicht wussten. Daher ist es eine gute Idee, Freunden und anderen maschinelles Lernen beizubringen, um ihr Verständnis zu vertiefen.

Danach werde ich erklären, wie diese in jeder der fünf Phasen angegangen werden können, indem empfohlene Bücher usw. vorgestellt werden.

Phase 1 Lernen Sie maschinelles Lernen mit Python und eine Einführung in die künstliche Intelligenz

Selbststudium mit Büchern, Das für die Entwicklung künstlicher Intelligenz erforderliche Mindestwissen ist "Kenntnisse des maschinellen Lernens", "Kenntnisse des Python" und "Mathematik und Wahrscheinlichkeit / Statistik für das maschinelle Lernen". In dieser Phase können Sie sich auf "Kenntnisse des maschinellen Lernens" und "Kenntnisse des Python" konzentrieren, und sobald "Mathematik und Wahrscheinlichkeit / Statistik für maschinelles Lernen" in verschiedene Phasen verschoben werden können. Selbst wenn Sie Mathematik oder Wahrscheinlichkeit nicht verstehen, können Sie maschinelles Lernen erleben, indem Sie die Bibliothek für maschinelles Lernen verwenden, das motivierter und billiger ist als das Lernen der Theorie allein. (Einige Leute können möglicherweise von der Theorie fortfahren, daher werde ich dies nicht bestätigen.) Danach wird empfohlen, nach der Implementierung unter Verwendung der Bibliothek und nach der Frage, was im Inneren vor sich geht, zurück zu gehen und Mathematik und Statistik zu studieren. Dann werde ich __ empfohlene Bücher vorstellen. __ __ Wenn Sie mit dem Programmieren noch nicht vertraut sind oder sich mit der grundlegenden Grammatik von Python nicht auskennen, werden zunächst die folgenden Bücher empfohlen. ・ Python3-Einführung http://amzn.asia/8ccnGQH 2894 Yen In diesem Buch lernen Sie nicht nur die grundlegende Grammatik, die die Grundlage von Python bildet, sondern auch die Grundlagen der maschinellen Lernprogrammierung. Nachdem Sie dieses Buch gelesen haben, können Sie die Grundlagen der Python-Programmierung und der maschinellen Lernprogrammierung kennenlernen. Wenn Sie mit der Python-Programmierung beginnen, können Sie sie kostenlos mit einem Browser verwenden, für den keine Entwicklungsumgebung Google Colaboratory mit einer CPU / GPU-Umgebung für maschinelles Lernen erforderlich ist. Lassen Sie uns die Python-Programmierung mit notebooks / welcome.ipynb durchführen. # Recent = true) __. Wenn Sie mehr über die Umrisse der künstlichen Intelligenz erfahren möchten, empfehle ich die folgenden Bücher. ・ Übersteigt künstliche Intelligenz den Menschen? Jenseits des tiefen Lernens (Kakugawa EPUB-Auswahl) [Buch] http://amzn.asia/iW1Ms5S 1512 Yen Lesen Sie für die beiden oben genannten Bücher das Python-Buch und fahren Sie mit den Programmen fort, die angezeigt werden, während Sie Ihre Hände bewegen. Übrigens, wenn Sie das Wissen über künstliche Intelligenz und die Grundlagen der Python-Programmierung in den beiden oben genannten Büchern vertieft haben, Beginnen wir mit der Programmierung des Flusses des maschinellen Lernens und des statistischen maschinellen Lernens.

Phase 2 Programmierung des maschinellen Lernens

・ Maschinelles Lernen begann mit Python Schreiben Sie den Code, während Sie Ihre Hand bewegen, und lesen Sie dann den Code (Kopieren). Anstatt nur ein Buch zu lesen, ist es besser, die Hände zu bewegen und fortzufahren. http://amzn.asia/0GskuMa 3672 Yen +α http://amzn.asia/9EPUIpg 4320 Yen Wenn Sie so weit gekommen sind und neugierig sind, was in der Bibliothek vor sich geht, versuchen Sie, ein neuronales Netzwerk mit einer minimalen Bibliothek wie numpy zu implementieren. Wenn Sie sich über Ihre Mathematikkenntnisse nicht sicher sind, lesen Sie bitte die unten vorgestellten Mathematikbücher. ・ __Neurales Netzwerk, tiefes Lernen __ Deep Learning von Grund auf neu - die Theorie und Implementierung des in Python erlernten Deep Learning http://amzn.asia/caXkYL3 Sie werden auch lernen, während Sie Ihre Hände bewegen und ein neuronales Netz erstellen. 3672 Yen ·Mathematik Einfaches Lernen Mathematik zum Verständnis des maschinellen Lernens http://amzn.asia/b2XXln9 2786 Yen Wenn Sie allergisch gegen Mathematik sind, empfehlen wir Ihnen, die beiden Videos zusätzlich zu den oben genannten zu verwenden. [Kikagaku-Stil] De-Black-Box-Kurs für künstliche Intelligenz / maschinelles Lernen - Anfängerlevel- | Udemy [Kikagaku-Stil] De-Black-Box-Kurs für künstliche Intelligenz / maschinelles Lernen - Zwischenstufe- | Udemy

Nachdem Sie die beiden oben genannten Videos angesehen haben,

Mathematikkurs für KI: Lineare Algebra / Wahrscheinlichkeit / Statistik / Differenzierung für künstliche Intelligenz nach und nach gelernt

Wann

[Deep Learning Mathematik im kürzesten Kurs verstanden](https://www.amazon.co.jp/%E6%9C%80%E7%9F%AD%E3%82%B3%E3%83%BC%E3% 82% B9% E3% 81% A7% E3% 82% 8F% E3% 81% 8B% E3% 82% 8B-% E3% 83% 87% E3% 82% A3% E3% 83% BC% E3% 83 % 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0% E3% 81% AE% E6% 95% B0% E5% AD% A6 -% E8% B5% A4% E7% 9F% B3-% E9% 9B% 85% E5% 85% B8 / dp / 4296102508 /)

Bitte lesen Sie weiter.

·Statistiken

Wenn Sie zum ersten Mal Statistik lernen, empfehlen wir das erste Buch: "Der erste Schritt in der Statistik, der auch in den freien Künsten für die Arbeit verwendet werden kann." Das Gute an diesem Buch ist, dass Sie es lesen können, als würden Sie einen Manga lesen.

Der erste Schritt in der Statistik, der auch in den freien Künsten für die Arbeit verwendet werden kann

Es ist so einfach zu lesen wie das vorherige Buch und so schwierig wie es war.

[Statistiken verstehen](https://www.amazon.co.jp/%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%81%8C%E3%82%8F% E3% 81% 8B% E3% 82% 8B-% E3% 83% 95% E3% 82% A1% E3% 83% BC% E3% 82% B9% E3% 83% 88% E3% 83% 96% E3 % 83% 83% E3% 82% AF-% E5% 90% 91% E5% BE% 8C-% E5% 8D% 83% E6% 98% A5 / dp / 4774131903 /)

・ __ Datenvorverarbeitung __ Vollständige Vorverarbeitung [SQL / R / Python-Übungstechniken für die Datenanalyse] http://amzn.asia/aa5dHB0 3240 Yen Als nächstes lernen wir Deep Learning mithilfe der Bibliothek. Wir empfehlen TensorFlow oder Keras für die Bibliothek. Keras wird für Anfänger empfohlen. ・ Keras Tiefes Lernen mit Python und Keras http://amzn.asia/8Ya7Xu5 4190 Yen

2808 Yen Neben Büchern wird Udemy empfohlen. Bitte verwenden Sie auch das folgende Video. Maschinelles Lernen mit Python: Einführung in die mit scicit-learn erlernte Identifikation

Fordern Sie Phase 3 Kaggle heraus

Übrigens haben wir in den Phasen 1 und 2 Bücher über maschinelles Lernen eingeführt, die in Buchhandlungen verkauft werden. Wenn Sie die oben genannten Bücher etwa 1 bis 3 Monate lang durchgehen, sollten Sie in der Lage sein, den Ablauf des maschinellen Lernens und das Modell des maschinellen Lernens selbst zu lesen und zu schreiben. Hier üben wir die Verwendung von Kaggle und SIGNATE (ehemals DeepAnalytics) als nächste Phase. Kaggle ist eine Wettbewerbsseite, auf der Datenwissenschaftler aus der ganzen Welt zusammenkommen. Die Daten, die Unternehmen analysieren möchten, werden hier veröffentlicht, und Benutzer analysieren sie und konkurrieren um die Genauigkeit der Analyse. Die drei größten Unternehmen erhalten außerdem Preise von den Unternehmen, die die Daten bereitgestellt haben. Die empfohlene Methode zur Verwendung von Kaggle ist die Verwendung einer Funktion namens Kernels. Im Kernel wird die Codebeschreibung des von anderen Benutzern erstellten Modells für jeden Datensatz leicht verständlich geschrieben. Wie Sie der tatsächlichen Datenanalyse mit __Kaggle entnehmen können, ist die Vorverarbeitung der Daten sehr wichtig. __ __ __ Der Schlüssel hier ist, Pandas gut gebrauchen zu können. __ __ Wenn Sie Fragen zur Datenverarbeitung von Pandas haben, Bitte überprüfen Sie noch einmal aus pandas Official Tutorial. Als Buch wird Einführung in die Datenanalyse mit Python empfohlen.

Phase 4 Erwerben Sie Technologien wie SQL, Scraping und Cloud.

Wenn es sich bei den tatsächlichen Daten um Daten im Web handelt, werden sie häufig in der Datenbank gespeichert, sodass auch SQL-Kenntnisse erforderlich sind. In den folgenden Büchern können Sie Ihre Daten mithilfe von SQL analysieren. ・ Progate SQL (für Anfänger) Progate SQL

・ Mit SQL analysieren (für SQL-Anfänger)

[Einführung in die SQL-Datenanalyse- und -nutzungstechnologie zum Öffnen der Tür der Data Science MySQL / PostgreSQL-kompatibel](https://www.amazon.co.jp/SQL%E3%83%87%E3%83%BC%E3 % 82% BF% E5% 88% 86% E6% 9E% 90% E3% 83% BB% E6% B4% BB% E7% 94% A8% E5% 85% A5% E9% 96% 80-% E3% 83% 87% E3% 83% BC% E3% 82% BF% E3% 82% B5% E3% 82% A4% E3% 82% A8% E3% 83% B3% E3% 82% B9% E3% 81% AE% E6% 89% 89% E3% 82% 92% E9% 96% 8B% E3% 81% 8F% E3% 81% 9F% E3% 82% 81% E3% 81% AE% E6% 8A% 80% E8% A1% 93-MySQL-PostgreSQL-% E4% B8% A1% E5% AF% BE% E5% BF% 9C / dp / 4802612265 /)

・ Analysieren mit SQL (für fortgeschrittene SQL-Benutzer) SQL-Rezept für die Analyse und Nutzung von Big Data Die Datenerfassung kann aus der Datenbank oder durch Scraping erfolgen. Scraping ist eine Technik zum Sammeln von Informationen, die auf Websites veröffentlicht werden. Hier werden zwei empfohlene Bücher zum Erlernen von Schabetechniken vorgestellt. ・ Empfohlen für das erste Buch Scraping & Maschinelles Lernen mit Python-Entwicklungstechniken Verwenden wir BeautifulSoup, scikit-learn, TensorFlow ・ Empfohlen für das zweite Buch Python Crawling & Scraping - Praktischer Entwicklungsleitfaden für die Datenerfassung und -analyse ·Wolke Hier finden Sie eine kurze Beschreibung der Google Cloud Platform (GCP). Google Cloud Platform ist ein allgemeiner Begriff für Cloud-Dienste, die verwendet werden können, indem nur für die Anzahl der Dienste wie die riesige Infrastruktur und das maschinelle Lernen von Google bezahlt wird und wenn Dienste mithilfe von GCP entwickelt werden. Sie können die Infrastruktur und die leistungsstarken Datenanalyse- / Maschinellen Lerndienste über verschiedene APIs nutzen. Zu den Diensten, die häufig mit GCP verglichen werden, gehören AWS von Amazon und Azure von Micro Soft. Die Unterschiede finden Sie im folgenden Artikel. Unterschiede zwischen Google Cloud Platform, AWS und Azure Darüber hinaus kann die GCP-API mit Python aufgerufen werden. APIs wie Bilderkennung / Videoanalyse, Spracherkennung und Verarbeitung natürlicher Sprache werden jedoch bereitgestellt (siehe Abbildung unten). Wenn Sie das machen, was Sie machen möchten, ist es einfacher und genauer, die API zu verwenden, als sie selbst mit scicit-learn oder Keras von Grund auf neu zu erstellen. __ Sie können es implementieren, indem Sie nach der für Sie geeigneten API suchen, die Dokumentation durchsuchen, in Google oder in Qiita suchen und auf die angezeigten Artikel verweisen. __ __ PYTHON bei GOOGLE CLOUD PLATFORM

Phase 5 unterrichten

Sobald Sie Programmieren und maschinelles Lernen gelernt haben, ist es eine gute Idee, jemanden zu unterrichten, sogar Freunde. Als Unterrichtsmethode ist es gut, eine Veranstaltung oder ein Seminar abzuhalten, Skype usw. zu verwenden, um Freunden Einzelunterricht zu geben, oder direkt in einem Café zu unterrichten. Neben dem Unterrichten denke ich, dass es gut wäre, Artikel über Qiita und Blogs zu schreiben und Bücher zu schreiben. Die AI Academy veranstaltet auch Schüleraustausch- und LT-Treffen und bietet die Möglichkeit, öffentlich zu unterrichten. Nutzen Sie diese also bitte!

Roadmap lernen

Bitte lesen Sie in der Reihenfolge vom Buch links (SCHRITT 1) bis zum Buch rechts (SCHRITT 3). Wenn Sie die Grundlagen der Python-Programmierung bereits kennen, können Sie STEP1 überspringen. Wenn Sie die Grundlagen der maschinellen Lernprogrammierung und der maschinellen Lernmathematik mit scicit-learn bereits kennen, können Sie STEP2 überspringen. Beginnen Sie mit einem SCHRITT, der Ihrem aktuellen Level entspricht. Was ist künstliche Intelligenz, wenn Sie keine Erfahrung in der __python-Programmierung haben? Für diejenigen, die sagen, beginnen Sie bitte mit SCHRITT 1. __ __ Ich habe es oft geschrieben, aber der Punkt ist, dass im Grunde genommen der Code, der im Buch erscheint, tatsächlich geschrieben und fortgesetzt wird. Wenn Sie beispielsweise Englisch lernen, ist es effektiver, zu schreiben, zu lesen und zuzuhören, als nur die Unterrichtsmaterialien zu betrachten. Gleiches gilt für Programmiersprachen, und Sie können Ihr Verständnis vertiefen, indem Sie den Text tatsächlich kopieren, anstatt nur das Buch anzusehen. Es ist jedoch nicht erforderlich, 100% aller Unterrichtsmaterialien zu verstehen. Es ist ein Kriterium für die Beurteilung, wann mit dem nächsten SCHRITT fortgefahren werden soll, aber es reicht aus, 70% zu verstehen, ohne alles zu verstehen, was im Buch geschrieben steht. Wenn Sie dort angekommen sind, gehen wir weiter. Weitere Informationen finden Sie in der oben beschriebenen Methode. Empfohlene Methode, um künstliche Intelligenz selbst zu studieren. Wer von STEP1 ausgehen kann, möchte XX-Daten analysieren können! In diesem Fall können Sie den Teil des Deep Learning nach neuronalen Netzen oder Keras überspringen. Einmal STEP1 → STEP2 → Phase 3 herausfordern Kaggle → Fahren Sie dann bei Bedarf mit der Implementierung des neuronalen Netzwerks und der Deep-Learning-Bibliothek (TensorFlow, Keras usw.) fort. Da Sie auch neuronale Netze für Scicit-Learn verwenden können, müssen Sie kein Deep Learning erlernen, wenn Sie sich nicht für Deep Learning in Ihrem Unternehmen entschieden haben oder wenn Ihr Ziel die Datenanalyse ist. Deshalb. Wenn Sie jedoch einen Job als KI-Ingenieur erhalten oder den Job wechseln möchten, stellen Sie sicher, dass Sie den Inhalt von "Deep Learning from Grund von Grund auf neu" verstehen.

Für diejenigen, die Fähigkeiten in speziellen Bereichen erwerben möchten

Wenn Sie alle oben genannten Bücher gelesen haben, gibt es einige Bücher (gute Bücher), die Sie lesen sollten, um KI-Ingenieur (Ingenieur für maschinelles Lernen) zu werden. Deshalb werde ich sie auch vorstellen.

• Es gibt verschiedene Arten künstlicher Intelligenz, z. B. Bilderkennung, Verarbeitung natürlicher Sprache, Spracherkennung und Generierung. Hier sind einige empfohlene Bücher, die Ihnen helfen, die Fähigkeiten dieser Fachgebiete zu erwerben. (* Wird voraussichtlich aktualisiert)

・ Allgemeines tiefes Lernen

[Lernen Sie beim Erstellen! Deep Learning von PyTorch](https://www.amazon.co.jp/%E3%81%A4%E3%81%8F%E3%82%8A%E3%81%AA%E3 % 81% 8C% E3% 82% 89% E5% AD% A6% E3% 81% B6-PyTorch% E3% 81% AB% E3% 82% 88% E3% 82% 8B% E7% 99% BA% E5 % B1% 95% E3% 83% 87% E3% 82% A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83 % B3% E3% 82% B0-% E5% B0% 8F% E5% B7% 9D% E9% 9B% 84% E5% A4% AA% E9% 83% 8E / dp / 4839970254 /)

· Verarbeitung natürlicher Sprache

[Deep Learning von Grund auf neu ❷ - Verarbeitung natürlicher Sprache](https://www.amazon.co.jp/%E3%82%BC%E3%83%AD%E3%81%8B%E3%82%89 % E4% BD% 9C% E3% 82% 8BDeep-Learning-% E2% 80% 95% E8% 87% AA% E7% 84% B6% E8% A8% 80% E8% AA% 9E% E5% 87% A6% E7% 90% 86% E7% B7% A8-% E6% 96% 8E% E8% 97% A4-% E5% BA% B7% E6% AF% 85 / dp / 4873118360 /)

[Einführung in die Entwicklung von Anwendungen zur Verarbeitung natürlicher Sprache in 15 Schritten](https://www.amazon.co.jp/15Step%E3%81%A7%E8%B8%8F%E7%A0%B4-%E8%87%AA % E7% 84% B6% E8% A8% 80% E8% AA% 9E% E5% 87% A6% E7% 90% 86% E3% 82% A2% E3% 83% 97% E3% 83% AA% E3 % 82% B1% E3% 83% BC% E3% 82% B7% E3% 83% A7% E3% 83% B3% E9% 96% 8B% E7% 99% BA% E5% 85% A5% E9% 96 % 80-StepUp-% E9% 81% B8% E6% 9B% B8-% E7% A5% 90% E4% B8% 80% E9% 83% 8E / dp / 4869541320 /)

[Einführung in die Verarbeitung natürlicher Sprache durch maschinelles Lernen / tiefes Lernen ~ Praktische Programmierung mit Scicit-Learn und TensorFlow ~](https://www.amazon.co.jp/%E6%A9%9F%E6%A2%B0% E5% AD% A6% E7% BF% 92% E3% 83% BB% E6% B7% B1% E5% B1% A4% E5% AD% A6% E7% BF% 92% E3% 81% AB% E3% 82% 88% E3% 82% 8B% E8% 87% AA% E7% 84% B6% E8% A8% 80% E8% AA% 9E% E5% 87% A6% E7% 90% 86% E5% 85% A5% E9% 96% 80-Scikit-Learn% E3% 81% A8TensorFlow% E3% 82% 92% E4% BD% BF% E3% 81% A3% E3% 81% 9F% E5% AE% 9F% E8% B7% B5% E3% 83% 97% E3% 83% AD% E3% 82% B0% E3% 83% A9% E3% 83% 9F% E3% 83% B3% E3% 82% B0-Kompass-Daten- Wissenschaft / dp / 4839966605 /)

・ Bilderzeugung

[Praktisches GAN ~ Deep Learning durch ein Netzwerk feindlicher Generationen ~](https://www.amazon.co.jp/%E5%AE%9F%E8%B7%B5GAN-%E6%95%B5%E5%AF% BE% E7% 9A% 84% E7% 94% 9F% E6% 88% 90% E3% 83% 8D% E3% 83% 83% E3% 83% 88% E3% 83% AF% E3% 83% BC% E3% 82% AF% E3% 81% AB% E3% 82% 88% E3% 82% 8B% E6% B7% B1% E5% B1% A4% E5% AD% A6% E7% BF% 92-Kompass- Bücher% E3% 82% B7% E3% 83% AA% E3% 83% BC% E3% 82% BA-Jakub / dp / 4839967717 /)

・ Bilderkennung

[Ich möchte es jetzt ausprobieren! Maschinelles Lernen / Deep Learning (Deep Learning) Bilderkennung Programmierrezept](https://www.amazon.co.jp/%E4%BB%8A%E3%81%99%E3%81% 90% E8% A9% A6% E3% 81% 97% E3% 81% 9F% E3% 81% 84-% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92 % E3% 83% BB% E6% B7% B1% E5% B1% A4% E5% AD% A6% E7% BF% 92-% E3% 83% 87% E3% 82% A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0-% E7% 94% BB% E5% 83% 8F% E8 % AA% 8D% E8% AD% 98% E3% 83% 97% E3% 83% AD% E3% 82% B0% E3% 83% A9% E3% 83% 9F% E3% 83% B3% E3% 82 % B0% E3% 83% AC% E3% 82% B7% E3% 83% 94-% E5% B7% 9D% E5% B3% B6 / dp / 4798056839 /

· Datenanalyse [Datenanalysetechnologie, die mit Kaggle gewinnt](https://www.amazon.co.jp/Kaggle%E3%81%A7%E5%8B%9D%E3%81%A4%E3%83%87%E3% 83% BC% E3% 82% BF% E5% 88% 86% E6% 9E% 90% E3% 81% AE% E6% 8A% 80% E8% A1% 93-% E9% 96% 80% E8% 84 % 87-% E5% A4% A7% E8% BC% 94 / dp / 4297108437 /)

Zusammenfassung

Ich werde den Ablauf bis zu diesem Punkt zusammenfassen. Phase 1 Lernen Sie maschinelles Lernen mit Python und eine Einführung in die künstliche Intelligenz Phase 2 Programmierung des maschinellen Lernens Fordern Sie Phase 3 Kaggle heraus Erwerben Sie Technologien wie Phase 4 SQL, Scraping und Cloud. Phase 5 unterrichten

Für diejenigen, die sich in Englisch sicher sind

Bisher haben wir Lernmethoden und empfohlene Bücher eingeführt, aber für diejenigen, die sich in Englisch sicher sind, werden wir empfohlene Dienste einführen. __ * Auch wenn Sie nicht gut Englisch können, empfehlen wir Ihnen, das maschinelle Lernen von Coursera zu absolvieren. __ __ ① Coursera Coursera Machine Laerning Kosera ist ein Online-Bildungsdienst, dessen Philosophie es ist, Menschen auf der ganzen Welt kostenlos die beste Bildung zu bieten. Der Ausbilder des Kurses für maschinelles Lernen ist insbesondere Andrew Ng von der Stanford University. Andrew ist ein Forscher in künstlicher Intelligenz und außerdem Gründer von Google Brain und Gründer von Cousera. Als Person, die in Baidus Labor im Silicon Valley arbeitet, ist es das am besten geeignete Lehrmaterial zum Lernen von maschinellem Lernen, damit Sie die wichtigsten Algorithmen des maschinellen Lernens intuitiv verstehen und tatsächlich programmieren können. lehren. Andrew Ng macht mir viele Komplimente, was mich sehr glücklich macht. (* Die Programmiersprache ist Octave / MATLAB, nicht Python) ②Learn with Google AI (ai.google education) Learn with Google AI Es ist kostenlos im internen Bildungsprogramm von Google verfügbar. Der Inhalt ist ein sehr leicht verständliches Video.

Dies wird ebenfalls empfohlen

Udacity「Intro to Machine Learning Machine Learning with Python (YouTube)

Für diejenigen, die ernsthaft AI-Ingenieur werden wollen

Wenn Sie die oben genannten Inhalte der Reihe nach lernen, werden Sie meiner Meinung nach bestimmte Grundfertigkeiten erwerben und als KI-Ingenieur den Eingang betreten. Es besteht jedoch die Möglichkeit, dass das Wissen immer noch nicht ausreicht, um in der Praxis eine aktive Rolle als KI-Ingenieur zu spielen. In diesem Fall empfehlen wir Ihnen, die folgenden Lernmethoden und deren Bücher zu lesen.

1. Sie können Algorithmen für maschinelles Lernen in C ++ und Java schreiben.
2. "Einführung in die statistische Modellierung für das Datenanalyse-verallgemeinerte lineare Modell / Hierarchisches Bayes-Modell / MCMC" Kenntnis der obigen Statistiken Und Einführung in die Statistik (Grundlegende Statistik I)
3. Grundlagen des statistischen Lernens - Data Mining / Inferenz / Vorhersage

Am Ende

Danke fürs Lesen. Wir haben eine Online-KI-Programmierung namens AI Academy Wir betreiben einen Lerndienst und unterstützen diejenigen, die KI lernen möchten, um ihre Ziele in kürzester Zeit zu erreichen. Die folgenden drei Punkte werden als Hauptdienstleistung bereitgestellt. -Textinhalt, der nur die erforderlichen Teile der diesmal vorgestellten Bücher extrahiert (kann sowohl von Smartphones als auch von PCs angezeigt werden) ・ Chat-Fragen und Code-Überprüfungen (__ * Sie können andere Fragen als AI Academy-Inhalte stellen. __) ・ Lernfortschrittsservice (Präsentation des kürzesten Wegs zu dem Produkt, das Sie herstellen möchten, Präsentation der nächsten Schritte) Ich habe es schon lange geschrieben, aber es kostet eine gewisse Menge an Lernkosten (mindestens 6 Monate), um alle oben genannten Bücher von Grund auf neu zu lernen. Wenn Sie ein kurzfristiges Bootcamp (Online- und Offline-Zwei-Achsen-Schule) wie das unsere nutzen können, können Sie die Lernkosten erheblich senken. Wir würden uns freuen, wenn Sie dies einmal in Betracht ziehen würden.

Wenn Sie mehr über AI Academy Bootcamp erfahren möchten, senden Sie bitte eine E-Mail an [email protected].

[Auf die ersten 50 Personen beschränkt] Kurs zum AI / Datenverwendungspaket

Unternehmen können die AI Academy auch für Unternehmen ab 5.000 Yen pro Konto nutzen. Klicken Sie hier für Details

Die Person, die diesen Artikel geschrieben hat

Cyber Brain Co., Ltd. Repräsentativer Direktor und CEO Kazunori Tani Wir freuen uns auf Ihr Follow-up! Twitter Facebook Wir betreiben auch eine KI-Community mit mehr als 5.000 Teilnehmern. Wir informieren Sie täglich über KI und freuen uns auf Ihre Teilnahme! Forschungsgemeinschaft für künstliche Intelligenz