この記事はこんな方におすすめ
・AIについて勉強したいけど何から始めればいいのか分からない！
・Pythonを使ってAIに挑戦してみたい！
・AIを効率よく勉強するための方法を知りたい！
ここ数年で、一気に医療においてもAI（人工知能）が注目されてきています。
一般的にAIを学び始めようとした初心者が「結局何から始めればいいの？」と最初の一歩で挫折してしまうケースは非常に多いです。
私はAIやプログラミングを始めて約3年間の中で今の様に出来る様になるまで、独学で勉強する中で何度も挫折しそうになったり、失敗を繰り返し、たくさんの遠回りをしてきました。
私と同じ失敗をしないように…効率よく学んでほしい
そこでこの記事では、初心者でも迷わずに努力出来る『Pythonによる最短最速AI学習のロードマップ』をまとめて解説します。
この記事を読めば「ゼロからAIを学び始める初心者がAIスキルを習得するまでに本当に必要な手順」が全て分かります。
最短最速AI学習ロードマップの全体像と流れ
最短最速AI学習ロードマップ
step
1AIで何がしたいのかを決める
step
2AI学習の流れ（全体像）を理解する
step
3基礎的な数学を理解する
step
4Pythonの基礎（データ分析）を学ぶ
step
5機械学習・深層学習の基礎について学ぶ
最短最速のAI学習ロードマップは上のような流れとなっています。
これから、それぞれについて順番に解説していきます！
初心者でも、分かりやすく最速で学んでいくためのロードマップとなっています。
STEP1. AIで何がしたいのかを決める
まず、STEP1ではAI を学び始めることの目的を明確にします。
あなたはAIを学んで何がしたいですか？
例えば、AIについての基礎知識を身につけたい、AIにおける研究がしたい、機械学習エンジニア・AIエンジニアになりたいなど目的によって必要な勉強も変わってくるので、AIを学ぶ事で何がしたいのか明確にする事が重要になります。
・AIを実際に使ってみたい人（例：pythonを学びAI研究が出来る）
・AIを使って開発をしたい人（例：機械学習エンジニア、AIエンジニア）
大まかには、こんな感じに分かれるのではないかと思います。
あなた自身が何を目標とするのかを考えてみてください。
AIで出来ること【事例紹介】
また、AI でどんな事が出来るの？といった疑問がある方は、以下の記事を参考にしてみてください！
AI の事例を知ることで、「AI ができること」「AI でやりたいこと」がイメージできるキッカケとなるのではないかと思います。
▼ AIの事例がまとまった記事はこちら
→ 【AI 活用の事例集】機械学習を用いたサービス・アプリ 20 選。AI の躍進が止まらない！
これから学んでいく上で、ロードマップの最初のSTEP1は今後のモチベーションを保つのに非常に重要なポイントなので、今一度「AIを学んで何がしたいのか？」考えてみてくださいね！
AIに必要なプログラミング
AIを学んでいく上で、AIに必要なプログラミングはPythonになります。
PythonはAI開発にとても相性が良く、AIを学ぶならPython一択です！
PythonにはAI開発に便利な機能が多く備わっており、簡単に高品質な開発が出来るという特徴があります。
さらに、PythonはAI以外にも出来ることが多く、最も需要が伸びているプログラミング言語として注目されているため、Pythonを学ぶ事で多くの場面で活かすことが出来ます！
STEP2. AI学習の流れ（全体像）を理解する
続いて、STEP2ではAI学習の流れ（全体像）を理解していきます。
ここでは、何をどんな順で学んでいけばいいのかを具体的にイメージ出来るようにする事が重要です。
初心者にとって大きな問題となるのが、何を、どの順番で、どのように勉強すればいいのか分からない点です。
まず、何を学ぶ必要があるのか、そして、どんな風に勉強していけばいいのか、具体的なAI学習の流れ（全体像）を理解する事で、勉強の流れに迷わず、挫折せずAIを学んでいくことに繋がります。
AIを学ぶ順番
AIを学ぶ順番と全体の流れとしては、上図のような感じになります。
①数学→Python基礎→機械学習＆深層学習の部分である基礎型AIの学習のステップ
②画像・文章・時系列・テーブルなどのデータを扱う特化型AIの学習のステップ
大きく①と②の2つのステップに分かれます。
基礎型AIとは
基礎型AIとは、AI学習をする上でまず初めに学ぶべき基礎のステップになります。
・Python基礎
・機械学習＆深層学習の基礎
基礎のステップで学ぶべき内容は、上記の3つになります。
まず、これら基礎を押さえたうえでその先である特化型AI（自分のやりたい事）に繋がります。
特化型AIとは
特化型AIとは、AIで何がしたいのか？というのが1番右の部分（特化型AI）になります。
特化型AIの具体例は、以下の通りです。
・時系列データを扱いたいのか（例：心電図波形）
・Excelのようなテーブルデータを扱いたいのか（例：検査値のデータ）
・文章のデータ（自然言語処理）を扱いたいのか（例：電子カルテ情報）
基礎型AIでも話したように、これらの特化型のAI学習に到達するためには、それ以前の基礎を学ぶ必要があります。
次から、基礎の部分について解説していきます。
STEP3. 基礎的な数学を理解する
STEP3では、基礎的な数学を理解するという事について説明していきます。
数学と聞いて、嫌な気持ちを持つ方もいるかもしれませんが、AI学習において数学は避けては通れない部分となっています。
しかし、重要なのは必要最低限の数学の知識を身につけておくという所です！
もちろん、数学が得意な方は細かい部分までしっかりと理解できるに越したことはありませんが、最低限押さえておいて欲しい部分というのがあるので、今回は『最低限必要な数学』に絞って話していきます。
AIに最低限必要な数学とは
最低限押さえて欲しい数学
・微分
・線形代数
・統計
上表のように、押さえておくべき数学のポイントは3つになります。
これらは、機械学習・深層学習を学ぶ上で、全般的に出てくるのでしっかりと押さえておく必要があります。
本格的に、機械学習・深層学習の基礎について学んでいくときに、モデルのアルゴリズムを理解していくときなどに必要な知識になってくるので、最低限の数学は必要となります。
参考までに数学を学ぶ上で、おすすめの書籍も紹介しておきます。
▼ 最短コースでわかる ディープラーニングの数学
言わずもがな、数学を学ぶ上での一番いい本なのでぜひ勉強の力になると思います！
STEP4. Pythonの基礎（データ分析）を学ぶ
STEP4では、Pythonの基礎（データ分析）を学ぶという事について説明していきます。
これから機械学習や深層学習を学んでいく上で、まずPythonの基礎（データ分析）について学ぶ必要があります。
これもいくつか学ぶべきポイントがあるので、押さえておいてください。
Pythonで学ぶべき基礎項目
まず、PythonでAIを学ぶ上で学んでおくべき基礎項目は以下の通りです。
Pythonの基礎押さえておくべきポイント
・Numpy
・pandas
・matplotlib
上表の3つについては、基礎知識として押さえる様にしましょう。
Pythonの基礎として、最低限この3つを学んでいればこの後の機械学習・深層学習も理解できると思います。
数値を扱うNumpy
表データを扱うpandas
可視化するmatplotlib
それぞれ一言で表すとこのような特徴・役割があり、とても重要なので学ぶ必要があります。
Pythonの基礎が学べるおすすめ動画
Pythonの基礎など、こちらの動画の方（いまにゅさん）がすごく分かりやすい動画がたくさんあるので参考にしてみてください！
▼ 【完全版】この動画1本でPythonの基礎を習得！忙しい人のための速習コース（Python入門）
それでは、いよいよ次から機械学習・深層学習という話に入っていきます。
STEP5. 機械学習・深層学習の基礎について学ぶ
STEP5では、機械学習・深層学習の基礎について学ぶという事について説明していきます。
機械学習・深層学習を使っていく上で基礎知識を学んでおく必要があります。
自分のやりたい事である特化型AIを実現するためにもしっかり学ぶ必要があります。
機械学習の基礎知識
まず、機械学習の基礎知識について概論についてはまとめた記事があるので参考に見てみてください。
▼ 機械学習の基礎知識についてまとめた記事はこちら
→ 機械学習とは？これだけは押さえておくべき知識【徹底解説】
機械学習の本当の基礎の基礎を押さえておく事はとても重要なのでまずは読んでみてくださいね！
その上で、機械学習や深層学習の手法など具体的な勉強をしていきましょう。
ここでは、今までSTEPごとに学んできた知識をフル活用して、モデルなどの知識とそれを実装するPythonの実装能力を身につけていきます。
機械学習の勉強するべき項目
機械学習の基礎
教師あり学習
・線形回帰
・正則化
・ロジスティク回帰
・サポートベクトルマシン（SVM）
・ナイーブベイズ
・ランダムフォレスト（RF）
・ニューラルネットワーク（NN）
・kNN
教師なし学習
・PCA
・LSA
・NMF
・LDA
・k-means
・混合ガウス分布
・t-SNE
・LLE
代表的な評価方法およびデータの取り扱い
・正解率
・適合率
・再現率
・F 値
・ROC
・AUC
機械学習と一言で言っても、これだけ多くの項目があります。
さらに言うと、ここに書いたものは基礎として押さえておくべき知識として全てではありません。
これだけではなく、さらに自分の課題に必要な部分の知識を適宜補いながら学んでいく必要があります。
深層学習の勉強するべき項目
深層学習の基礎
ニューラルネットワークの計算（順伝播）
・線形変換
・非線形変換
ニューラルネットワークの計算（逆伝播）
・誤差逆伝播法
・勾配降下法
・ミニバッチ学習
ニューラルネットワークの実装
機械学習と深層学習の基礎だけでもかなりのボリュームがあり、しんどいかもしれませんが基礎知識としてあげたこれらのものは勉強してみましょう！
しかし、全てを数学的なところから1~10まで理解しようとすると、挫折してしまいます。
なので、全て理解できなくてもいいので、少しずつ理解できるところから始めてみましょう！
また、アルゴリズムの数学的な式を最初から全て理解するのは至難の業なので、最初から数式をしっかり理解しようとするのはおすすめしません。
そして、これらの基礎知識をある程度勉強出来たら、いよいよ自分の「AIで何がしたいのか？」という部分と繋げていきましょう。
特化型のAI学習
画像データ
・画像分類（畳み込みニューラルネットワーク ：CNN)
・物体検出 (R-CNN 、YOLO 、SSD など)
・セグメンテーション
例）癌と癌以外に分類など
文章データ
・文章データの特徴抽出方法（Bag of words 、Word2Vec など）
・機械翻訳のアルゴリズム (Seq2Seq 、Attention など)
例）電子カルテ情報の解析など
時系列データ
・再帰型ニューラルネットワーク (RNN 、LSTM 、GRU など)
・畳み込みニューラルネットワーク (CNN)
例）心電図波形のデータから急変の予測など
テーブルデータ
・特徴量（レディオミクスなど）
・機械学習アルゴリズム (XGBoost 、LightGBM など)
例）検査値のデータから疾患の発生予測など
もちろん、全て勉強するのが時間的に厳しいという方もいると思います。
そんな方は、例えば「AIで画像から乳癌の分類をしたい」と考えているのであれば、画像分類に関係のある機械学習・深層学習の方法をまずは勉強してみるなど工夫して勉強してみてください！
必要な部分を必要な時に勉強していく事も大切だと思います。
まずは、手を動かして実際にやってみる事です。
医療で使えるフリーのデータセットはこちらにまとめているので参考にしてみてください。
▼ 医療で使えるフリーのデータセットをまとめた記事はこちら
まずは、自分の興味ある分野から挑戦してみてくださいね！
手を動かすのが最短最速の道です！
機械学習おすすめの教材
参考として、オススメの教材は、キカガクで無料公開されている脱ブラックボックスコースです！
これだけのボリュームで無料というのが信じられないくらいの内容なので、ぜひ活用してみてください！
登録すればすぐに無料で学び始められるので、おすすめです。
まとめ
今回の記事では、【初心者向け】Pythonによる最短最速AI学習ロードマップを解説しました！
少しでも、多くの人の参考になれば嬉しいです。
