こんにちは、ショウコです。
先日、このようなツイートをしました。
(1/3)ここ数週間のAI業界の大革新に関する個人的な感想。とりあえず、AIが驚異的なスピードで学習し、それに付随する便利なツールが爆誕しまくるのは理解した。では、わたしはどうしよう？という問題。長期的に、AIの構造は理解しておいた方がよさそうだなという判断。このままでは便利なツールを利用
— shoco (@coffee_shoco) March 25, 2023
(2/3)するだけの側になってしまい、自分の中の創造意欲が「めんどくさい」とか「どうせAIが解決してくれる」という気持ちに負けてしまいそう。なので、めんどくさいけどAIを理解するところから。ChatGPTに学習方法を提案してもらったけど、オンラインコースとか書籍とかなんとなくナンセンスだったから
— shoco (@coffee_shoco) March 25, 2023
(3/3)ChatGPTをわたしの「先生」に設定して、カリキュラムを組んでもらった。これからみっちり授業してもらって、分からないとことはどんどん質問していく。最終的には、実習もサポートしてもらって、なにかひとつAIツールを作るところまでが目標。AIド素人は、AIによってどこまで成長できるかな！ pic.twitter.com/hnjETwl2F9
— shoco (@coffee_shoco) March 25, 2023
ここ数週間のAI業界の大革新に関する個人的な感想。
とりあえず、AIが驚異的なスピードで学習し、それに付随する便利なツールが爆誕しまくるのは理解した。では、わたしはどうしよう？という問題。
長期的に、AIの構造は理解しておいた方がよさそうだなという判断。このままでは便利なツールを利用するだけの側になってしまい、自分の中の創造意欲が「めんどくさい」とか「どうせAIが解決してくれる」という気持ちに負けてしまいそう。なので、めんどくさいけどAIを理解するところから。
ChatGPTに学習方法を提案してもらったけど、オンラインコースとか書籍とかなんとなくナンセンスだったからChatGPTをわたしの「先生」に設定して、カリキュラムを組んでもらった。これからみっちり授業してもらって、分からないとことはどんどん質問していく。
最終的には、実習もサポートしてもらって、なにかひとつAIツールを作るところまでが目標。AIド素人は、AIによってどこまで成長できるかな！
ツイートのとおりですが、長期的な未来を見据えて「AIと機械学習の基礎」は理解しておこうと判断しました。
もう毎日、毎時間と新たなAIツールが爆誕していて「もう手遅れ感」もあるのですが、わたしの寿命を100年と仮定したときに「残り66年」もあるんですよね。
なので、せっかくなら「AIを使う側」だけではなく、「AIサービスを提供する側」になる準備をしておこう、という結論です。
これからAIの基礎を学習するにあたり、せっかくなので学んだこと「AI学習メモ」として残していきます。
今回は、ChatGPT先生に作成していただいた「AIと機械学習の基礎」の学習カリキュラムを共有します！
ChatGPTとは？
ChatGPTは、OpenAIが開発した大規模な言語モデルで、GPT（Generative Pre-trained Transformer）シリーズの一部です。
このAIツールは、質問に答える、文章を生成する、翻訳を行うなど、さまざまな自然言語処理タスクをこなすことができます。訓練データとして膨大な量のテキストを使用し、文脈と意味を理解する能力を身につけています。
ChatGPTは、ウェブサイトやアプリケーションのバーチャルアシスタントやチャットボットの開発に利用されるほか、コンテンツ作成や校正、翻訳、要約、コーディング支援など、幅広い分野で活用されています。このように多様な用途で利用できるChatGPTは、AI技術の進化とともに、ますます発展し続けることが予測されています。
»【革命】ChatGPTとは？驚異のAIで変わるコミュニケーション
AIと機械学習の基礎：学習カリキュラム
ChatGPT：ショウコさん、こんにちは！AIと機械学習の基礎を学ぶためのカリキュラムを以下にリスト化しました。これらのトピックを順番に学習していくことで、AIと機械学習の基本的な理解を深められるでしょう。
※ 学習時間のおおよその目安を出してもらいました。
AI・機械学習の基本知識習得 (3-6ヶ月)
- Pythonプログラミング学習
- 機械学習の基本概念習得
- 深層学習・ニューラルネットワークの理解
- 自然言語処理の基本知識取得
今回のカリキュラムは「機械学習の基本概念習得」「深層学習・ニューラルネットワークの理解」「自然言語処理の基本知識習得」ですね。
1. AIと機械学習の概要
- 人工知能（AI）とは何か？
- 機械学習とは何か？
2. 機械学習の種類
- 教師あり学習
- 教師なし学習
- 強化学習
3. データの前処理
- データの収集
- データクリーニング
- 特徴量エンジニアリング
- データの分割（訓練データ、検証データ、テストデータ）
4. 教師あり学習のアルゴリズム
- 線形回帰
- ロジスティック回帰
- サポートベクターマシン
- 決定木とランダムフォレスト
- ニューラルネットワーク
5. 教師なし学習のアルゴリズム
- クラスタリング（K-means法、階層的クラスタリング）
- 次元削減（主成分分析、t-SNE）
6. 強化学習の基本
- 強化学習の概念
- Markov決定過程
- Q学習とDeep Q-Network
7. 機械学習の評価指標
- 分類問題の評価指標（正確度、適合率、再現率、F1スコア）
- 回帰問題の評価指標（平均二乗誤差、平均絶対誤差）
8. 機械学習のチューニングと最適化
- クロスバリデーション
- ハイパーパラメータの調整
- 正則化（L1正則化、L2正則化）
9. ディープラーニングの基本
- ニューラルネットワークの概要
- 畳み込みニューラルネットワーク
- 再帰型ニューラルネットワーク
- 生成敵対ネットワーク（GAN）
- トランスフォーマーモデル
10. AIと機械学習の倫理
- データプライバシー
- バイアスと公平性
- 透明性と説明可能性
- AIの安全性
11. 実践的な機械学習プロジェクト
- 問題の定義と目標設定
- データ収集と前処理
- モデル選択と学習
- 評価と改善
- モデルのデプロイメント
ChatGPT: このカリキュラムを通して、ショウコさんがAIと機械学習の基礎について理解できるようサポートいたします。各トピックを学ぶ際に、疑問や質問があればお気軽にお聞きください。
今年中には、シンプルでもいいから何かサービスをリリースしたいところです！ChatGPT先生、引き続きご教授よろしくお願いいたします🙇♀️
※この記事が参考になったら、ぜひブックマークをお願いします🙇♀️