こんにちは。大手機械系メーカーで組み込み向けのソフトエンジニアをしているひらとまです。最近では、組み込み業界にもAI/機械学習の波が来ており、取り入れようと各社頑張っていますね。私も、国内の機械学習関連の学会に年数回参加し、情報収集を続けて、ようやく業務に組み込める段階となってきました。初心者の段階から実際にAI/機械学習が使える段階になるまでは結構ハードルがあると感じています。そこを超えるためにおすすめの講座をUdemyから集めてみました。
機械学習では、その応用に応じて利用するモデルが異なり学ぶべき内容も異なります。
今回は、
- AI/機械学習の基礎と数学
- 強化学習
- 画像解析
- 画像生成
- 音声データ
- 自然言語処理
- サービスへの搭載
というトピックスに分けて、それぞれのおすすめ講座を紹介していきます。
まずは、初心者の方は「AI/機械学習の基礎と数学」で学び、その後ご自身の適用したい応用先に合わせて受講することをおすすめします。
目次
AI/機械学習の基礎と数学
- 機械学習ってそもそもなんだ？という人向けに基礎的な知識・理論から実装方法までレクチャしている講座を集めました！まずはここから！
みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2022年最新版】
初心者おすすめ度
内容の充実度
何もわからないけど、機械学習できるようになりたいんだ！という人はまずこの講座を受けましょう！プログラミング経験のない方を想定した講座となっているため、そこについて不安を覚えている方も安心して受講できると思います。
講師は、AI関連の著書を複数出版しており、有名企業でAI講師や大学で教鞭をとっているプロです。Udemyでも過去に5万人以上の受講者がおり、頻繁に内容を更新していることも信頼できます。
学べること
- Pythonのコードが書けるようになる
- 簡単な機械学習のコードを書けるようになる
- ビジネスに使える体系的な知識体系が得られる
- 有名な機械学習のライブラリが使えるようになる
【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 -
初心者おすすめ度
内容の充実度
こちらは「単回帰分析」という機械学習に通ずる大事なテクニックを理解するのを目標にした講座です。微分・線形代数といった数学の解説、Pythonによる実装を教えています。数学苦手だったんだよね・・・・けど頑張りたい！という人はこちらから初めて見ることをおすすめします！
講師は、ＡＩ教育をしているベンチャー企業の代表の方が行っていて、のべ1万人以上への教育実績があります。また、中級・上級と講座が続いており、一歩ずつ着実にステップアップができます！
学べること
- Pythonのコードが書けるようになる
- 簡単な機械学習のコードを書けるようになる
- 機械学習に必要な数学の基礎知識がわかる
AIのための数学講座：少しづつ丁寧に学ぶ人工知能向けの線形代数/確率・統計/微分
初心者おすすめ度
内容の充実度
こちらもまた数学色の強い講座になります。数学苦手な方には辛いかもですが、それだけ大事だということですね。
1つ前の講座に比べ、こちらはより踏み込んで「バックプロパゲーション (誤差逆伝播法) 」の理解をゴールとしています。これは、人工知能がなぜ、「学習」できるのかの答えとなる最も大切な考え方になります。
講師は、AI関連の教育と研究開発に従事し、大学で教鞭も撮っている方です。
統計的な解析手法について解説しているのも本講座の特徴になります。
学べること
- Pythonのコードが書けるようになる
- 機械学習に必要な数学の基礎知識がわかる
- 数学をコードに落とし込むことができるようになる
強化学習への応用
- 強化学習は機械学習の分野の1つです。
- 特定のタスクの報酬（結果）を最大化するための問題をときます。
- 様々な「自動化」が得意です。組み込み分野との相性がいいです。
- 例：
- ゲームのAI：有名な囲碁AI「AlphaGo」も強化学習の1つ
- 自動運転：車の最適な運転制御なども強化学習の課題として扱える
- ロボット制御：ペッパー君のけん玉動画が有名
【強化学習】ロボットの最適ルートを決める実装を通じ、強化学習のアルゴリズム（Q学習）を理解しよう
初心者おすすめ度
内容の充実度
深層学習の盛り上がり前よりある、強化学習の基本となるアルゴリズムについてバランスよく解説しています。この辺の知識あっての深層学習×強化学習の深層強化学習となるため侮るなかれです。強化学習入門としてまずここから学びましょう。
そして、その応用として、倉庫内の最適経路問題をときます。こちらも産業現場では非常に現実的な課題となってます。
そして、なんといっても本講座無料です。
学べること
- 強化学習の体系的な知識
- 最適ルート問題の実装
みんなの強化学習講座 -PythonとGoogle Colaboratoryで基礎から少しずつ学ぶ強化学習の原理と実装-
初心者おすすめ度
内容の充実度
強化学習についてバランス良く解説した動画になります。原理の解説に多くの時間を咲いてきますが、最終的には月面着陸船の制御を行うコードの実装を行います。
一方で、機械学習の基礎について懇切丁寧に説明はしていないため、そこに不安がある方は、前半の基礎編の講座で勉強してからトライすることがおすすめです。
この講座は、基礎編でも紹介している次の講座の講師が行っています。
みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2022年最新版】
学べること
- 強化学習の基礎知識がわかる
- 強化学習のコードを実装する力が身に付く
- PyTorch、OpenAI Gym、Stable Baselinesなどのライブラリが使えるようになる
ＡＩでブロック崩しを学習させよう。Advantage Actor-Critic（A2C）で学ぶ強化学習の応用編
初心者おすすめ度
内容の充実度
強者学習の応用編の講座です。Advantage Actor-Critic（A2C）を使って、ブロック崩しゲームを経験ゼロの状態から自動で学習させていく方法を紹介しています。A2CはAlphaGoにも採用されるアルゴリズムで、作戦と価値を同時に学ぶことができる手法です。
基礎はわかったけど、どう応用すれば・・・という方は、こちらの講座で本格的な応用を学びましょう。
学べること
- A2Cによるブロック崩しの学習のさせ方
- 同期分散処理アルゴリズム
画像解析（CNN)
画像の解析は古くから人の考えたアルゴリズムをもとに行う、ルールベースと呼ばれる実装がされてきました。産業現場では、製品の外観検査や個数の判定、ロボット制御への応用のため、画像の中の様々な特徴を解析するということがされてきました。
近年では、ヒトによる実装を離れ、機械学習により解析ロジックを学習させるということが普及し始めています。
画像はデータ容量が大きいことから、適切に区切ったり圧縮したりしてデータサイズを小さくすることで計算量を減らすということが大切になってきます。これを表現したのが畳み込みニューラルネットワーク（CNN)です。CNNを基礎として様々なモデルが提案されてきましたが、近年では、Transformerと呼ばれるモデルを画像に適用したVisionTransformerが最優秀成績を収めています。
AIによる画像分類を学ぼう！【PyTorch+Colab】-CNNの基礎からTransformerの応用まで-
初心者おすすめ度
内容の充実度
画像分類のタスクについて歴史の流れに沿って解説をしています。画像分類は、画像を見て「これは鳥です」といった判定をするタスクです。
この講座では、機械学習による画像処理の基礎であるCNNから、AlexNet、ResNet、そして最新のTransformerまでを一気通貫して学ぶことができます。ここ十数年の画像処理分野の進化の流れを1つ1つ理解しながら学習をすすめることができる組み立てとなっています。
AlexNet、ResNetはともにCNNベースのモデルであり、画像処理の分野に多大な影響を与えた発明です。これらを学ぶことで、どのようなモデルを設計すると性能が上がるのか、俯瞰してみることができるでしょう。
機械学習による画像処理を体系的に学びたいという方におすすめです。
学べること
- AIによる画像分類の原理について理解できる
- 過去の有名モデルから、最先端のモデルまで実装ができるようになる
- 画像分類タスクができるようになる
AIによる「物体検出」を学ぼう！【PyTorch+Colab】 -ディープラニングにより特定する物体の位置、種類-
初心者おすすめ度
内容の充実度
この講座では、「物体検出」というタスクを扱います。自動運転車が「信号」や「歩行者」を検出したり、スマホのカメラで「顔」を検出したりなどといったタスクになります。こちらは、産業/エンタメなど様々な分野で需要のある技術と言って良いでしょう。
こちらの講座でもCNNベースの有名モデルの実装から始まり、最新のTransformerを利用したモデルを構築し、その威力を体験することができます。
物体検出タスクは応用が広いため、ぜひ学んでほしいトピックスの1つです。
学べること
- AIによる物体検出の原理について理解できる
- 過去の有名モデルから、最先端のモデルまで実装ができるようになる
- 物体検出タスクができるようになる
画像生成（GAN-敵対的生成ネットワーク）
新しい画像を生成したり、画像を修正するのは機械学習でもホットな分野の1つです。
学習した画像を参考に、類似した画像を作ったり、複数の画像を混ぜ合わせたりします。
近年、ドラマなどでも耳にするようになった人の顔をすげ替える「ディープフェイク」などもこの分野から生まれた技術と言えるででしょう。
中でも近年、学会でも頻繁に研究報告がされている敵対的生成ネットワーク（GAN）もこの分野のコアテクノロジーです。これは、画像生成機と真贋判定機に盾と鉾で争わせるという手法です。画像生成器は真贋判定機を騙せるように、真贋判定機は画像生成器の作った画像だと見破られるように学習を進めていくと、高精度な画像生成器が出来上がるといった発送です。面白いですよね。
【TensorFlow・Python 3】GANによる画像生成AI自作入門
初心者おすすめ度
内容の充実度
Pythonの深層学習ライブラリであるTensorFlowを使って、GANを実装してみようという講座になります。
また、GANの実装は、生成器と真贋判定機の中身により変わってきますが、本講座では「多層パーセプトロン」という伝統的な深層学習の構造を使った実装と、画像処理分野で発展してきた畳み込みニューラルネットワーク（CNN)を使った実装を紹介しています。最新に近いトピックを身につけられる良講座です。
学べること
- GANの基本的な仕組みを理解できる
- Python+TensorFlowで多層パーセプトロンによるGANを実装できるようになる
- 畳み込みニューラルネットワークによるGAN（DCGAN）を実装できるようになる
AIによる画像生成を学ぼう！【VAE / GAN】 -Google ColabとPyTorchで基礎から学ぶ生成モデル-
初心者おすすめ度
内容の充実度
代表的な画像生成モデルであるVariational Auto Encoder(VAE)とGANについての解説している講座になります。VAEは、特徴を抽出する「エンコーダ」と特徴からデータ（画像）を復元する「デコーダ」からエンコーダ-デコーダモデルです。画像データを入れると同じ画像を生成するように教師なし学習を進めます。この流れは画像生成の基礎となるのできちっと抑えましょう。
GANについてもCNNによる実装までしっかりと抑えておりこちらもまた良い講座です。
学べること
- VAEの仕組みと実装がわかる
- GANの仕組みと実装がわかる
- 最新の派生技術が知れる
馬をシマウマに！顔の同期で学ぶCycleGAN
初心者おすすめ度
内容の充実度
ドメイン変換と呼ばれる技術の学習モデルであるCycleGANについて学べる講座です。CycleGANを使えばタイトルに有るように、馬の画像をシマウマに変換したり、2つの動画の顔の表情を同期させるといったことができるようになります。後者はまさにディープフェイクの入り口ですね。
使い方を誤ると危うい現代の魔法とも言える技術が身につく素晴らしい講座です。
学べること
- CycleGANの実装ができるようになる
ＡＩで肖像権フリー顔画像の生成：StyleGAN で存在しない人物写真を作り出そう。
初心者おすすめ度
内容の充実度
StyleGANはNVIDIA社が2018年に発表したモデルであり、実物と見分けのつかない人物画像が生成できたことで有名となりました。
この講座を受けることで、実際にStyleGANを実装し、証明写真を生成したり、アニメキャラクターを生成したりできるようになります。タイトルにもあるように昨今では肖像権に関する規制が厳しくなってきました。そんな中で肖像権フリーの人物画像が得られるのは様々な場面で使えることでしょう。
学べること
- Style変換が何なのか説明ができるようになる
- StyleGANが実装できるようになる
- 証明写真やアニメキャラクタが生成できるようになる
音声データ（RNNなど）
音声データへの機械学習の応用も昔から盛んですね。身近な例であれば、SiriやAlexaのような音声認識や音声合成ですね。また、音楽譜面の自動作成や作曲なども盛んに研究されていますね。あるいは、背景音を切り出して声を聞き取りやすく強調するようなことも、実用面で行われていたりします。
音声のような時系列のデータについては、Recurrent Neural Network(RNN)が基礎的なモデルとなってきます。まずは、RNNの理解と実装を目指しましょう。
【Magenta+Colab】AIによる作曲を学ぼう！ -ディープラーニングで自動生成する音楽データ-
初心者おすすめ度
内容の充実度
Googleのアート用ライブラリMagentaを使ってAIによる作曲の基礎が学べます。Magentaのライブラリでは、新旧含め様々な学習モデルを使うことができます。
冒頭でも紹介した「RNN」、画像生成でも登場した「VAE]および「GAN」、さらに2022年現在、抜群の性能で学術界を盛り上げている「Transformer」を使った曲の生成をそれぞれ行うことができます。非常に実践的な内容です。
学べること
- AIによる作曲の概要と基礎がわかる
- アート用ライブラリMagentaの使い方がわかる
- RNN、VAE、GAN、Transformerなどを作曲に応用できる
自然言語処理(NLP：Natural Language Processing）
言語認識や言語生成は、音声処理とセットで古くから研究されている分野です。
MicrosoftのAIボット「りんな」や超高精度な翻訳サービス「DeepL」などはこの分野の成果の一つですね。SiriやAlexaでは、音声を言語に変換した後、その意味を本章で扱うような自然言語処理にて解釈しています。自然言語処理を単体で扱うのではなく、画像や動画と組み合わせて使うことが最近のホットなトピックスとなります。例えば動画を入力して、各シーンの説明をしたり、「まな板の上にある食材は何？」などのように画像に対する質問に答えるようなタスクを解くことについて研究がなされています。
自然言語処理とチャットボット: AIによる文章生成と会話エンジン開発
初心者おすすめ度
内容の充実度
比較的、初心者向けの自然言語処理の講座となっています。自然言語処理の基礎、Pythonによる実装方法、必要な数学、ニューラルネットワークの基礎について解説した後、「word2vec」、「RNN」、「LSTM」、「seq2seq」といった技術の使い方や実装を学びます。
「word2vec」は近代の自然言語処理の大発明で、単語同士の足し算や引き算を実現する事ができます。例えば、「王様」ー「男」＋「女」＝「女王」という計算ができるのです。
「RNN」は音声データでも紹介した時系列データの解析に適した深層学習モデルですね。言語も前後の流れが大切になってくるため同様にRNNが適用されます。
「LSTM」はLong Short Term Memoryの略でRNNを改良したものです。
「seq2seq」はGoogleが開発した系列データから別の系列データを生成するエンコーダ-デコーダ型のモデルです。例えば、日本語を入力して英語に変換するなどといった用途や、質問文を入力して回答文に変換するなどといったことに用いられます。
以上のように、近代の自然言語処理の進化の流れを体験できる良い講座となっています。
学べること
- 必要な数学・Python・機械学習の知識が身につく
- 自然言語処理の基礎を知り、実装ができる
- 近代の自然言語用のモデルが使いこなせるようになる
【TensorFlow・Kerasで学ぶ】時系列データ処理入門（RNN/LSTM, Word2Vec)
初心者おすすめ度
内容の充実度
こちらでも、「word2vec」、「RNN」、「LSTM」についてより詳しく解説がなされています。また応用例も面白く、RNNによる「感情分析」やLSTMによる「株価予測」など、文章の奥に潜む事実の解析に目を向けていることが他の講座にはない魅力的なところだと思います。
また、パフォーマンスモニタを使ったPCリソースの確認やモデルサイズを小さくするノウハウなど実用に向けて地に足のついた内容を解説しています。
学べること
- Word2Vecや、Seq2Seqなどの時系列データ処理のチュートリアルを理解
- PCリソースや学習過程など実用に向けたノウハウが手に入る
BERTによる自然言語処理を学ぼう！ -Attention、TransformerからBERTへとつながるNLP技術-
初心者おすすめ度
内容の充実度
この講座では、自然言語処理の中でも最先端の「BERT」という技術の解説を行っています。
機械学習の研究では、「Attention機構」->「Transformer」と洗練された学習モデルが発明されてきました。その流れを自然言語処理に適用したのが2018年にGoogleが発表したBERTです。
また、近年の流れである大規模なデータセットを学習させた、「学習済みモデル」をもとに、少量のデータから専用のタスクに特化したモデルへと再学習させる「ファインチューニング」と呼ばれるトピックについても解説しています。
最先端の自然言語処理を学びたい方にはとてもおすすめです。
学べること
- Attention機構、Transformer、BERTがわかる。
- ファインチューニングが応用できるようになる
サービスへの搭載
AIへの実装はできるようになりました。しかし、実際に制御に応用したり、Webサービスとして提供するにはもう1つハードルがあります。それは、提供しようとしているサービスとのつなぎ目の部分です。制御であれば、どうマイコン上に展開するのか？WebであればWebサービス上でどのように動作させるのかということです。
このようなつなぎ目を解説した講座を集めてみました。
Raspberry Pi とTensorFlow ではじめるAI・IoTアプリ開発入門
初心者おすすめ度
内容の充実度
こちらは、かんたん安価なシングルボードコンピュータであるRasberryPi上にAI/IoTアプリを実装するものになっています。貴重な組み込みAI/IoTの実装を解説した講座ですね。
RasberryPiの環境構築からAIの実装までの流れを丁寧に解説しています。また、AIで解析した結果に基づいて、LEDを光らせたり音を鳴らすなど現実世界へのインタラクションが体験できます。
AIは大体わかった、実際にモノに応用したいけどどうしたら・・・という方にとって最適な講座となります。
学べること
- RaspberryPi上にAIアプリを実装する方法がわかる
【画像判定AIアプリ開発パート2】Django・TensorFlow・Python・転移学習による高精度AIアプリ開発
初心者おすすめ度
内容の充実度
こちらは、DjangoというPythonのWebアプリケーションフレームワーク上にTensorFlowを用いた画像判定AIを載せたWebサービスを作る講座となっています。実際に、サービスとして動くところまで解説しているのが良いですね。
また、近年注目されている「転移学習」についても取り扱います。転移学習はある領域の学習済みデータを別のタスクに利用することです。例えば、「犬」について学習したモデルを「猫」の学習に応用するなどです。
効率的に学習をすすめることは、機械学習の分野にとって非常に重要です。この点にいおいて現在注目されている転移学習について学べる貴重な講座となっています。
学べること
- 開発したAIをDjangoによりWebサービスとして提供できる
- 転移学習やファインチューニングにより精度向上ができる
まとめ
機械学習に関するおすすめの講座について、応用分野ごとに分けて紹介してきました。
ご覧いただいたように、一口に機械学習やAIといってもその応用が違えば、実装すべきモデルが変わってきます。当然学ぶべき内容も変わってきます。
現在でも研究が続けられる難しい分野ではありますが、身につけばその威力は絶大です。
そしてそのような技術が比較的安価に学べる良い時代となりました。今回紹介した講座を受講し、AIエキスパートとしてぜひ活躍してください。
