未経験からAIを学びたいと思って検索すると、最初に出てくるのは難しそうな単語の山です。
ニューラルネットワーク、勾配、損失関数、CNN、RNN、Transformer。
見た瞬間に頭が固まります。
ここで止まる人が多いです。
止まる理由は能力ではなく、順番が見えないからです。
自分はブログを書くのが苦手でした。
書こうとすると、何から書くかが決められず、見出しだけ作って終わる日が続きました。
そこからAIをブログで使うようになって、まず叩き台を作って、足りない部分だけ自分の言葉で埋める流れに変えたら、記事を量産できる感覚が出ました。
AIはブログでしか使ったことがなく、イラスト制作などで使った経験はありません。
それでも、順番があるだけで作業が進むという感覚は、嫌というほど分かります。
AI学習も順番が命です。
順番が崩れると、努力が空回りします。
順番が合うと、未経験でも前に進みます。
この記事は、未経験からE資格合格までを、今日から動ける順番でつなぎます。
途中で不安になりやすい場所も、先に書きます。
読むだけで終わらせず、行動へ落とす記事にします。
45万円のAI講座［E資格］を月額3,000円で始められる【ラビットチャレンジ】
未経験からAIを最初に学ぶのは？
AIを学ぶ最初の一歩は、AIの理論ではありません。
手を動かして、結果が返ってくる体験を先に作ります。
Python
Pythonを始めると、いきなりif文やfor文を暗記しようとしがちです。
暗記はつらいです。
つらいと止まります。
だから暗記ではなく、動かします。
最初にやるのは、Pythonで数字を足して、配列を作って、平均を出す。
画面に結果が出る。
これだけで十分です。
ここで重要なのは、1日で完璧に覚えることではありません。
Pythonを触ったという感触を残すことです。
例えば、仕事終わりの21時にノートPCを開いて、Pythonの実行画面を開く。
そこで3行だけ打って結果を見る。
これで勝ちです。
未経験の最初の敵
自分はブログでも同じでした。
いきなり完成記事を書こうとして止まっていました。
AIを使って下書きを出して、まずWordPressに貼り付けてから直す流れに変えたら、公開まで進めました。
Pythonも似ています。
まず動く、次に直す。
この順番が効きます。
計算の意味
AI学習で数学が怖いという声が多いです。
数学が怖い理由は、式が長いからです。
式が長いと、目が滑ります。
目が滑ると止まります。
だから式を追う前に、計算の意味を掴みます。
例えば、平均との差を出す。
平均との差を二乗して足す。
最後に平均する。
これが分散です。
分散の式を暗記するのではなく、こういう手順のイメージを先に持ちます。
次に、点と線の距離を小さくする。
距離を小さくする方向へ少しずつ動く。こ
れが勾配降下法の体感です。
細かい導出は後でいいです。
体感が先です。
自分はブログでも、SEOの理屈を全部理解してから書こうとして止まりました。
今は、検索意図を一つ決めて記事を書き、後から修正します。
AI学習も、理屈の完全理解より、手触りの理解を先にします。
学習環境
未経験が挫折しないために必要なのは、頭の良さではなく、毎日同じ動きです。
場所を固定します。
机の上の配置も固定します。
ノートPCの充電ケーブルの位置も固定します。
ノートはいつも同じページを開けるようにします。
これは地味です。
でも地味な方が強いです。
自分のブログも、作業場所を固定した瞬間に記事が増えました。
探す時間がなくなると、開始が早くなります。
AI学習も同じで、開始が早いと継続しやすいです。
未経験からAIを学ぶロードマップ：機械学習へ
AIという言葉に引っ張られて、いきなりディープラーニングへ飛ぶ人がいます。
飛ぶと落ちます。先にデータの扱いを身につけます。
pandasとnumpy
未経験で一番現実的なスキルは、データを読み込んで整えることです。
- CSVを読み込む。
- 欠損を埋める。
- 列を選ぶ。
- 平均や最大値を出す。
- グラフで眺める。
ここを先にやります。
ここができると、機械学習の入口が急に現実になります。
この段階で、AIっぽいことをしたい気持ちが出ます。
気持ちは分かります。
けれど、焦ってモデルの話へ飛ぶと、データで詰まります。
データで詰まると「向いてない」と感じます。
向いてないのではなく、順番が逆です。
ブログでも、いきなり売る記事を書いても読まれません。
入口記事で不安を解消して、内部リンクで次へつなぐ順番があります。
AI学習も、いきなりモデルではなく、データから入る順番があります。
機械学習はscikit-learnで
次は、機械学習で予測を作ります。
精度の理屈は後です。
まず当てます。
例えば、家の価格を予測する。
メールがスパムかどうかを当てる。
数字を当てる。
分類する。
ここで「当たった」「外れた」を体験します。
当たると楽しいです。
外れると悔しいです。
この感情が学習を前へ押します。
未経験は感情が動くところを先に作ると続きます。
淡々と教科書を読むだけだと、生活に負けます。
自分はブログでも、アクセスが1増えただけで嬉しかったです。
数字が動くと続きます。
機械学習も、精度が動くと続きます。
続くと、知識が積み上がります。
ディープラーニングへ入る前に
未経験がディープラーニングで迷子になる原因は、正解が分からないことです。
モデルを作ったのに良いのか悪いのか分からない。
分からないと止まります。
だから評価を先に覚えます。
分類なら正解率だけでは足りない場面がある。
適合率や再現率の感覚が必要になる。
回帰なら平均二乗誤差の意味を知る。
こういう評価の見方があると、モデルの改善ができるようになります。
改善ができると、学習がゲームっぽくなります。
ゲームっぽくなると、続きます。
E資格合格までの順番
E資格は勉強だけでは受けられません。
受験資格の条件があります。
ここを後回しにすると、せっかくの学習が止まります。
E資格の受験資格は認定プログラム修了が必要です
E資格の受験資格は、JDLA認定プログラムを試験日の過去2年以内に修了していることです。
これはJDLA公式で明記されています。
未経験のロードマップに受験資格を入れる理由は単純です。
受験資格がないと申し込みできないので、学習のゴールがぼやけます。
ゴールがぼやけると、日々の学習が揺れます。
揺れると止まります。
だから受験資格を早めに把握します。
ここで嫌な現実があります。
認定プログラムは安くない場合が多いです。
ただ、月額で始められる選択肢もあります。
例えばラビットチャレンジは個人向け一般コースが月額3,300円で始められると記載があります。
未経験が動き出すには、こういう入口の軽さが効きます。
E資格の過去問
E資格の勉強は、理解が先だと思うと止まります。
理由は簡単で、全部理解する日は来ないからです。
だから過去問を早めに触ります。
最初は解けなくて当然です。
解けないのに触る意味は、試験で問われる形を知ることです。
問われる形を知ると、勉強の優先順位が決まります。
優先順位が決まると、迷いが減ります。
迷いが減ると、机へ向かいやすくなります。
机へ向かえば、勝ちです。
未経験が挫折しないために
未経験は、勉強時間がまとめて取れません。
だから粒を小さくします。
平日は20分でもいいです。
- 20分で、Pythonのコードを10行触る。
- 20分で、過去問を1問だけ読む。
- 20分で、用語を3つだけ確認する。
短くても、毎日触ると線が切れません。
ラビットチャレンジ、月3,000円で始められるって聞くと気になりますよね。
でも大事なのは「安いか」より「受験資格まで止まらず進めるか」です。
評判の分かれ目、内容、申し込み手順、ハマりやすい注意点まで全部まとめました。
ここから読めます。
https://77zigzagu.xyz/rabbit-challenge-reputation-and-contents/
まとめ
未経験からAIを学ぶロードマップは、AIの理論からではなく、Pythonを動かす体験から始めると進みます。
次にデータを触り、pandasとnumpyで読み込みと整形と確認をやります。
その後にscikit-learnで予測を作り、評価の見方を覚えてからディープラーニングへ進むと迷子になりにくいです。
E資格合格までを狙うなら、受験資格の条件を早めに把握し、認定プログラム修了が必要な点を前提に置きます。
過去問は理解してからではなく触ってから入れると、勉強の優先順位が決まり、止まりにくくなります。
未経験の一番の敵は難しさではなく、順番の迷いです。
順番を整えると、手が動きます。
手が動けば、合格へ近づきます。
コメント