こんにちは。
現役エンジニアの”はやぶさ”@Cpp_Learningです。
【深層学習チュートリアル】などの技術ブログを書いてます↓
基本的に書籍を使って勉強するのが好きですが…
諸事情あってUdemy（オンライン動画学習サービス）を利用して機械学習のオンラインコース…
『キカガク流 人工知能・機械学習 脱ブラックボックス講座』を受講したので、感想文を書きます。
ググるとUdemyやキカガクに関する記事は沢山でてきますが、現役エンジニア目線の感想文は貴重かな（？）と思います。ご参考までに
バックグランド
冒頭で紹介した【深層学習チュートリアル】はキカガク流の講座を受講する前に書きました。
つまり、書籍・論文・ブログなどで勉強し、自分なりに機械学習の知識を消化吸収した状態で、キカガクの講座を受講しました（まだまだ勉強中！）
私がこれまでに使用した教材を少し紹介します。
ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装
『深層学習の理論を学びたい！でも難しそう！』という心の壁を取り除いてくれた良本！正直、この本に早い段階で出会えて本当に良かった！
【第2版】Python機械学習プログラミング 達人データサイエンティストによる理論と実践
機械学習の内容を幅広くカバーしている良本！機械学習の各手法を一通り網羅したいなら、この本がオススメです！
※黄色っぽい表紙は【第1版】なので要注意
PythonとKerasによるディープラーニング
深層学習フレームワーク”Keras”を使いたい人にオススメの良本！深層学習フレームワークが１つ使えると、アイデア次第で公私ともに楽しいことが出来ますよ！
秒速DEEP LEARNING -Colaboratoryで⼊⾨〜応⽤ひとっ⾶び-
技術書典の本でも勉強しました！とても素敵な本だったので、感想文を書いてます↓
ディープラーニングの優良なチュートリアル
本以外だと、以下の記事で紹介しているネットで学べる優良チュートリアルのうち、無料のものは一通り触ったと思います。
他にも論文・雑誌・ブログ記事・積んでる本など…紹介しきれないですね！
好きな教材で学べば良い！
本・ネット・動画など学べるコンテンツが溢れている世の中です！ネットがあれば、無料で学べる優良チュートリアルもあります！
何を使って学ぶべきかで悩んでいる人に一言アドバイスするなら…
…と思っています。
重要なのは「何で学ぶか？」ではなく「何が学べるか？」・「何が自分に合っているか？」です！
自分に合っている教材なら”スッ”と吸収できるだろうし、合っていない教材でも吸収に時間がかかるだけで、最終的には自身の知識として吸収できると思う。（最後までやり切れば…）
本で学ぶのが好き
冒頭で簡単に説明しましたが、私は本を使って勉強するのが好きです！
理由はいくつかあって
【本による勉強が好きなネガティブな理由】
- ビンボー大学生だったから図書館の本が知識源だった
- オフラインで勉強できる（PC買わずに済む）
- 本での勉強に慣れ親しんでいる
【本による勉強が好きなポジティブな理由】
- オフラインで勉強できる（場所を問わず勉強できる）
- コメント/イラスト/ハイライトを書き込んで自分好みの本にできる
- 辞書的な使い方がしやすい
などがあります。
ブログ記事で学ぶのが好き
技術ブログも大好きです！
自分が思いつかない応用例・説明方法・図解があり、教科書とは違う学びや楽しさがあります。
今どきはスマホでサッと確認できるのも嬉しい！
新しい知識を増やすために、ネットを利用することが多いですが…仮に”新しい知識”が増えなくても以下の理由でブログ等から得られるものは多いと感じています！
【知識が増えなくても有益な教材】
- 既知の知識の応用方法を教えてくれる
- 既知の知識を分かりやすく説明してくれる
良い教材とは
人は”知識欲”のある生き物なので、以下のことが学べる教材を求めています！
【人が求める教材】
- 新しい知識が得られる教材
- 既知の知識が整理できる教材
- 既知の知識を応用する技術が学べる教材
- 既知の知識を他者に分かりやすく説明する方法を学べる教材
- 次に学ぶ知識への道標となる教材
❶～➎全てを満たす教材を見つけたなら、その教材は『人生の宝』になるでしょう！
ただし、知識は蓄積されるので毎回”❶新鮮な知識”が得られるとは限らないが、❶～➎のどれか１つでも満たす教材なら十分価値があると考えています。
そして、❶～➎のどれかが得られる教材は”書籍”じゃなくても良いです!自分に合ったものを選んでください。
教わる立場から教える立場へ
私は某企業の研究所に所属しており、最近は深層学習に関するソフトウェアの研究・開発を担当しています。
また、メンター（後輩の技術指導）も担当をしています。
つまり、自分だけが「知識を得る」⇒「仕事をする」ではダメな立場になってしまった…
後輩のバックグランドや知識量を測りながら技術を教える…正直難しい！
だが、幸い大学生の頃は塾講師や家庭教師のバイトで人に何かを教える機会に恵まれました。
また、先輩のいない研究室に入った経験から、”先輩から学ぶ”よりも”後輩や同期と一緒に教え合う”機会の多い学生時代を過ごしました。
そんな背景もあり『人に何かを教えるのが好き』だし、少しは『自分の知識を噛砕いて説明する術』を習得しています。
それでも、日々悩みは尽きません…自分の知識を人に説明するのは難しい！
と常々感じています。
キカガクの講座を受講した理由
キカガクのUdemy講座を受講した理由を一言で説明するなら…
『キカガク流の指導方法に興味があった』に尽きます。
繰り返すが、個人的には書籍で新しい知識を得るのが好きだ。
私が動画を使った勉強に慣れていないこともあり、復習するとき、どこまで遡って再生すれば、今知りたかった情報を再度聞けるのか？などの操作が難しいと感じたし…サッと流し見するだけだと、分かった気になるだけで理解はできないと思いました。
要するに、動画で”新しい知識”を学ぶ方法は、私に合っていない気がした。
それでもキカガク流の講座は受講して良かったと思っています。
キカガク流を学んで良かった点
もしも”あなた”が『機械学習の脱ブラックボックス講座』を担当する講師になったなら、以下のことを検討すると思います↓
【機械学習チュートリアルで考慮するポイント】
- どこから教えるか？（微分から？行列演算から？）
- 誰に教えるか？（アカデミック？ビジネス？）
- 何を題材に教えるか？（回帰？分類？）
- どの手法を選択するか？（重回帰分析？ランダムフォレスト？）
- 理論と実装どちらにウェイトを置くか？（基礎？応用？）
- 学ぶ姿勢などのマインドも教えるか？（不要？重要？）
（↑は私自身がチュートリアル記事を作成するときに考慮するポイントなので、本職の講師が考慮しているポイントとはギャップがあるかもしれません）
今回は、AI講師（？）という極端な例にしましたが…
- 後輩指導
- 上司への報告
- 経営幹部へのプレゼン
- 学会などの技術発表
など、自分の知識や成果を人に伝える機会があると思います！
ときには「数式なし」・「専門用語なし」という制約下で説明する機会もあるでしょう！！
人に”機械学習を説明”するという点において、キカガク流の下記講座はバランスが良く模範的だったと感じています。
【キカガク流】人工知能・機械学習 脱ブラックボックス講座 – 初級編
【キカガク流】人工知能・機械学習 脱ブラックボックス講座 – 中級編
私は機械学習の知識がある状態で受講してしまったので、躓く箇所がなかったし、正直にいえば”新しい知識”は得られなかった…
最初はちょっと残念に感じましたが、”生徒という立場”ではなく”講師（仮）という立場”で受講してみると『素晴らしい教育実習だな！』と感じました。
という発見があり『価値ある教材だったなぁ』と思いました。
優秀な講師から”教える”技術を学ぶ
下記講座が「素晴らしい！」と感じたの間違いありません。
【キカガク流】人工知能・機械学習 脱ブラックボックス講座 – 初級編
【キカガク流】人工知能・機械学習 脱ブラックボックス講座 – 中級編
ただし、
- キカガク流だから良かったのか？
- 吉崎 亮介 講師の手腕が良かったのか？
- その両方が合わさったから良かったのか？
など何が決め手となって「素晴らしい！」と感じたのかは判断できずいにいます。
ただし、「同じ教科書」・「同じマニュアル」・「同じカリキュラム」でも、講師が変われば品質が変わるというのは、学生を経験した全員に覚えがあることだと思います。
「間の取り方」・「何を例に使うか」などマニュアル化できない”教える”技術が存在するからだと、ぼんやり感じています。
（予備校って「どこに行くか？」より「どの講師から学びたいか？」が重要ですよね？）
なので、吉崎 亮介 講師が優秀なのは間違いないと感じています！
優秀な講師から”教える技術”を学びたいなら、動画はとても良い教材だと感じました。
まとめ
前半で「機械学習を学べる教材」や「私自身の学びに対するマインド」を紹介し、後半で「動画講座の活用法」を説明しました。
自分に合った学習方法は人それぞれです。立場が変われば見るポイントも変わります。
”教える立場”・”教わる立場”など多角的に考えて、学んでみると新しい発見があるかもしれませんよ(*･ω･)ﾉ♪
機械学習含め”学び”のヒントになると嬉しいと感じます。
本記事で、中堅エンジニア（？）の生の声を赤裸々に書きましたので、参考になると嬉しいです！
吉崎 亮介 講師の新講座リリースされないかなー
（完）
