こんにちは！
データサイエンティストのウマたん（@statistics1012）です。
最近はどっぷりディープラーニングに浸かっています。
ディープラーニングって難しそう・・・なんてイメージがあったのですが、ちゃんと紐解いていくとそんなことは決してない！
これからのAI時代、ディープラーニングについて知っていれば通常のビジネスパーソンとしてもアドバンテージになること間違いなしでしょう！
この記事では、僕自身が読んできた本の中から本当に役立った書籍と勉強方法について取り上げていきたいと思います。
随時更新していきます！
目次
ディープラーニングとは
さて、そんなディープラーニングに関して簡単にまとめておきましょう！
実は、ディープラーニングの原型は1940年代から存在していたと言われています。
1940年～1950年にかけて人間の神経を模した仕組み「ニューラルネットワーク」が確立されました。
人間の神経が信号を伝播させていくようにある入力を次の層へと重み付けをして伝播させていき出力を求めます。
この層を多層にしていくのがディープラーニングなのですが、当時のマシンパワーでは計算量が膨大過ぎて実現不可能でした。
後々、計算負荷を軽減する誤差逆伝播法（バックプロパゲーション）が登場して現在のディープラーニングの計算にも用いられているのですが、詳しくは後の紹介で見ていきましょう。
そんな計算負荷の問題が解消され深層ニューラルネットワーク（ディープラーニング）が日の目を浴びたのは2006年。
このブレークスルーによって再びAIのブームが巻き起こり、第3次AIブームへと突入していくのです。
詳しくは以下の記事でまとめているのでご覧ください！
そんなディープラーニングを学習する上ではいくつかのステップを経ることが重要です。
この記事ではそれらを4つのカテゴリに分けて紹介していきます。
もちろんディープラーニングからいきなり学習に入ってもよいのですが、ディープラーニングだけ知っているという状態はこれからのAI時代において本質的な部分を見失ってしまうことになりかねません。
できれば基本的な機械学習手法もおさえた上でディープラーニングを学んで欲しいと思っています。
ディープラーニングに関して詳しくは以下の記事にまとめていますのでよければご覧ください！
ディープラーニングの基礎となる機械学習を学ぶために
ディープラーニングの基礎となる機械学習手法。
ディープラーニングは機械学習の1種です。
ビジネスの場では、何でもディープラーニングを使えばよいというわけではありません。
むしろディープラーニングを使う場面は限られています。
ディープラーニングだけでなく、基本的な機械学習手法もしっかり押さえておきましょう！
そんな機械学習手法を勉強するのにとっておきの書籍を紹介していきます！
はじめてのパターン認識
機械学習と言えば「はじパタ」でお馴染みのこちらの書籍！
機械学習手法は基本的な手法から大体網羅しているので体系的に学びたい方にはオススメです。
しかし、数理的な内容が色濃く、全然「はじめての」ではない！ということで有名です。
僕自身大学院時代に読みましたが、結構苦労した記憶があります笑
最適化数学
こちらも数理的な内容が色濃い書籍ですが、機械学習を理解する上で非常に有用な書籍。
最適化の話は機械学習において必須の考え方です。
様々な数式が機械学習のロジックと紐づいて分かると面白いですよー！
他にもいくつかのオススメ機械学習書籍を以下の記事でまとめていますのでよければご覧ください！
ディープラーニングを実装するPythonの基礎を学ぶために
続いて、Pythonの基礎を学ぶための書籍と勉強方法についてまとめていきます。
個人的な話をすると、僕自身大学院では主にRを使う人間でしたのでPythonは少し触ったことあるレベルでした。
しかし、本格的にディープラーニングを実装するとなるとPythonの方が便利ですし、開発やAPI連携など幅広く応用の効くPythonを社会人になってから学ぶようになりました。
今では、マスターしたとは言い切れないものの、ディープラーニングの実装やWebアプリケーションの実装などは出来るようになったのでどのように学んでいったか簡単にまとめたいと思います。
書籍は簡単なモノでいいです。以下を読みました。
プログラミングの考え方みたいな平易な部分から学べるので最初のとっかかりとしてはオススメです！
続いてPyQと呼ばれる特化サイトに取り組み、Pythonの基礎を学びました。
PyQはPython特化のプログラミングサービスでかなり詳しく学べます。
他にもプログラミングサービスはありますが、Pythonを学ぶなら圧倒的にPyQをオススメします！
以下の記事でPyQについてまとめています。
そして、後は自分で作りたいモノ作ったり解析したりして手を動かしながら学んでいく感じですねー！ちなみにPythonのマスターにはとりあえず以下の5つの要素が必要かなーと思っています。
この5つの要素にあわせてアプリケーションを作っていく記事を以下にまとめていますのでよければご覧ください！
ディープラーニングの概念・理論を学ぶために
さてさて、機械学習とPythonが学べたところでディープラーニングの概念・理論について学んでいきましょう！
ディープラーニングについて学ぶ上で圧倒的にオススメなのがこの書籍！
(2024/04/28 23:16:26時点 Amazon調べ-詳細)
あまりにも有名なので、様々な人が紹介していますが、やっぱり名著！
これを読んでディープラーニングという得体の知れないモノに対して愛着がわくようになりました笑
概念・理論に関してはこの本さえ読んでおけばよいかなという感じです。
もし今後ディープラーニングを用いた人工知能でどのように世の中が変わっていくのというような大局的な話が知りたいなら以下の書籍がオススメです！
(2024/04/29 10:02:18時点 Amazon調べ-詳細)
こちらも有名ですね！ディープラーニングの第一人者「東大の松尾教授」の書籍です。
書籍だけだと頓挫してしまう可能性があるので、もし不安ならプログラミングスクールに通ってみるのも手です！
僕自身、TECH ACADEMY（テックアカデミー）のAIコースを受講してみました。
体験談は以下の記事にまとめていますので興味のある方は読んでみてください。
結論から言うと、カリキュラムのレベルは先ほどの書籍の方が高いです。
なので自学自習出来る人はそれで充分。
ただTECH ACADEMY（テックアカデミー）では非常に優秀なエンジニアの方が親身にメンターとして付いてくれるので学習のモチベーションにもなりますし進めやすいです。
プログラミングスクールは有用ですが、やはり価格が高い・・・そういう人にオススメなのが当メディアが運営するスタアカ（スタビジアカデミー）です！
ウォルマートのデータを使って商品の予測分析をしたり、実務で使うことの多いGoogleプロダクトのBigQueryを使って投球分析をしたり、データサイエンティストに必要なビジネス・マーケティングの基礎を学んでマーケティングプランを作ってもらったりする盛りだくさんの内容になってます！
・BigQuery上でSQL、Google Colab上でPythonを使い野球の投球分析
・世界最大手小売企業のウォルマートの実データを用いた需要予測
・ビジネス・マーケティングの基礎を学んで実際の企業を題材にしたマーケティングプランの策定
他にもディープラーニングを学べるプログラミングスクールはいくつかあります。
以下の記事でまとめていますので是非チェックしてみてくださいね！
ディープラーニングの学習ロードマップ
これらの3つのカテゴリの中からどのような学習ステップを踏んでいけばよいのか。
正直正解などはなく、自分で興味を持った本を粘り強く読んでいって欲しいのですが、個人的なオススメ学習ロードマップをまとめておきます。
まずは、ディープラーニングの大局的・ビジネス的な観点からの書籍を読み、
機械学習手法とPythonの勉強を並行して勉強し
その後にディープラーニングの理論と実装に入る
というルート
まずは、ディープラーニングがどのようなことを実現していて、これからどのような未来があるのか簡単に理解しておくと、勉強するモチベーションが湧きます。
そのモチベーションを持ったまま勉強に励みましょう！
この記事と被る部分も多いですが、ディープラーニングの勉強ロードマップは以下の記事でもまとめています！
ディープラーニングの書籍・勉強法 まとめ
ディープラーニングは日進月歩、進歩の激しい領域です。
ビジネスサイド向けのG検定という検定があるように今後はディープラーニングはエンジニアや研究者だけの領域ではなくなっていきます。
そもそもディープラーニングをはじめとするAI手法は、技術者だけではワークしないのが実態。
ビジネスサイドの人間がディープラーニングを学べるようになれば鬼に金棒です！
是非ここで紹介した書籍を手に取ってディープラーニングの勉強へ足を踏み入れてみてください。
ディープラーニングについて以下の記事で詳しくまとめていますのでこちらも参考にしてみてください！
ディープラーニングを学ぶのに土台として必要なPythonや機械学習や統計学の勉強法については以下の記事でまとめていますので是非チェックしてみてください！
スタビジのコンテンツをさらに深堀りしたコンテンツが動画と一緒に学べるスクールです。
プレミアムプランでは私がマンツーマンで伴走させていただきます！ご受講お待ちしております！
