AI学習完全ガイド｜機械学習などの基礎、学習のための無料サイト・教材、作り方をわかりやすく解説

ルールベース	人間が決めた命令に従って処理を行う仕組み。
機械学習	膨大なデータからパターンやルールを学習し、予測や分類などのデータ分析を行う仕組み。AI技術で活用される手法の1つ。
ニューラルネットワーク	人間の脳神経系であるニューロンの仕組みを参考にした手法。「入力層」「中間層（隠れ層）」「出力層」の段階的な処理を行うことで実現したもの。
深層学習（ディープラーニング）	ニューラルネットワークを活用することで、コンピュータが自動で学習し、データ分析を行えるようにしたもの。機械学習の手法の1つ。

これらの用語はAIに内包される要素です。

イメージとしては「AI > 機械学習 > ニューラルネットワーク、ディープラーニング」「AI > ルールベース」という感じになります。

2.AIを学ぶにあたって

実際に「AIを学習する」とは言っても、どんな知識を必要とするかがわからないままではハードルが高いままでしょう。

そこで本章ではAIを学習する際に必要な基礎知識と学習の流れについて紹介していきます。

必要な知識①：コンピュータサイエンスの基礎

AIの学習において、コンピュータサイエンスの基礎知識は重要な要素です。AIはPythonやJavaなどのプログラミング言語を利用して、データの操作やアルゴリズムの開発を行っていきます。

そのため、プログラミング言語やデータ処理に関するコンピュータサイエンスの知識がなければ、AIのメカニズムまでを理解することができないのです。

必要な知識②：数学・統計学の基礎

AIに利用されている機械学習では以下のような知識を必要としています。

微積分
統計
確率
線形代数

理由としては機械学習において、データの分析や解析を行うアルゴリズムの構築、アルゴリズムやモデル（入出力を行う仕組み）の評価を理解するためには必要不可欠だからです。

研究や実験におけるデータの解釈や検証を行うための土台を作るためにも重要な要素になります。

学習の流れ

これまでの内容からもわかるようにAIの学習は段階を踏んで行うことが必要です。

具体的には以下のような流れです。

初級	AIの概念や学ぶことで得られることを知りながら、コンピュータサイエンスの基礎を身に着けていく段階。
中級	基礎知識を身に着けた状態で応用的な内容やアルゴリズムに関する学習を行い、特定の分野に絞っての学習もできるようになる段階。
上級	より高度で専門的なアルゴリズムや技術に関する知識をつけていき、最新の技術や研究に触れていくことも考えられる段階。

具体的には自分がコンピュータサイエンスや数学・統計学の基礎を持っていない場合、機械学習やディープラーニングなどの用語についての理解が浅い場合は「初級」からになります。

その後、基礎が身についたら「中級」、既存のアルゴリズムや応用例などを理解したなら「上級」といった流れで自らの理解度と比較しながら、進めることでスムーズに成果を出すことができるでしょう。

機械学習と深層学習（ディープラーニング）の違い｜基礎から活用例をわかりやすく紹介

3.AI学習に使える無料のサイト・教材

機械学習やディープラーニングなどのAIに関連する概念やコンピュータサイエンスの基礎を学ぶのによい教材やサイトを紹介していきます。

AI学習-初級編

AI For Everyone （すべての人のためのAIリテラシー講座）

AI For Everyone （すべての人のためのAIリテラシー講座）は、AIを基礎から学ぶことができる講座が用意されているサイトです。スタンフォード大学Andrew Ng教授と東京大学松尾豊教授が講師を務める講座のため、わかりやすく学ぶことができます。

AI For Everyone （すべての人のためのAIリテラシー講座）公式サイト

Chainerチュートリアル

Chainerチュートリアルは機械学習とディープラーニングを基礎から学ぶことができるサイトです。学習は「準備編」「機械学習とデータ分析入門」「ディープラーニング入門」といった段階的に行うようになっており、機械学習やディープラーニングを基礎から学ぶのにおすすめとなっています。

Chainerチュートリアル公式サイト

Aidemy

Aidemyは、AIでよく活用される数学やPythonについて、イラストや動画を用いた丁寧な説明をもとに学ぶことができるサイトです。事前知識がなくとも学習を進めやすいという魅力があります。

Aidemy 公式サイト

数理・データサイエンス・AI教材｜東京大学数理・情報教育研究センター

東京大学数理・情報教育研究センターが提供する数理・データサイエンス・AI教材は、入門用と応用基礎の教材が用意されており、初級だけでなく中級以上でも活用できる教材です。

教材の内容には以下のような幅広い分野の教材が用意されています。

データサイエンス、データリテラシー、データエンジニアリング
AIの基礎
統計や数理
機械学習、ディープラーニング
プログラミング
データ分析

足りない知識を補いながら、確実に学習を進めることが期待できるでしょう。

大学間コンソーシアム | 東京大学数理・情報教育研究センター

データサイエンス・データ解析入門｜総務省監修高校教材

総務省監修の高校教材であるデータサイエンス・データ解析入門は、データサイエンスや機械学習、構造化データ、プログラミングを図などを用いた例でわかりやすく解説してくれる入門者向けの教材です。

総務省監修高校教材であるため、他の教材よりも学習者への配慮がしっかりされている優秀な教材になります。

総合学習のための補助教材

AI学習-中級編

Coursera

Coursera（コーセラ）は、スタンフォード大学提供のAI開発に関するオンライン講座です。日本語翻訳付きの動画で大学の講義を見ることができるため、語学力を気にせずに学習を進めることができます。

Coursera 公式サイト

Amazon Machine Learning University

Amazon Machine Learning Universityは、Amazonのエンジニアが受けるものと同じ機械学習コースが用意され、Amazonのクラウドサービスによりすべての人が利用することが可能です。

機械学習に関する以下の講座が初級と上級に分けて用意されています。

開発者向け
データサイエンティスト向け
データプラットフォームエンジニア向け
ビジネスプロフェッショナル向け

関わりたい分野やポジションごとに学ぶこともできるため、分野を絞って勉強したい方にもおすすめです。

Amazon Machine Learning University 公式サイト

機械学習の講義ノート「機械学習帳」｜東京工業大学

東京工業大学の機械学習の講義ノート「機械学習帳」は、機械学習のアルゴリズムについて基礎からしっかりと学ぶことができます。

以下のような複数のアルゴリズムの学習が可能です。

単回帰
重回帰
ロジスティック回帰
ニューラルネットワーク
サポートベクトルマシン
クラスタリング

アニメーションや解説がとてもわかりやすく、プログラミング言語の演習もあるため、アルゴリズムについて学ぶ際に重宝するでしょう。

機械学習帳

ML For Beginners｜Microsoft

Microsoftが提供するML For Beginnersは、回帰や分類、クラスタリング、時系列分析、自然言語処理などの機械学習に関する処理について学べる教材です。すべて英語のため、語学力を必要としますが、説明と演習の2段階で学ぶことができるため、理解度を高めやすくなっております。

GitHub – microsoft/ML-For-Beginners: 12 weeks, 26 lessons, 52 quizzes, classic Machine Learning for all

AI学習-上級編

DeepLearning.AI

DeepLearning.AIは、AI開発のプロンプトなど、上級者向けの知識を学ぶことができるスタンフォード大学Andrew Ngky教授の教材です。

DeepLearning.AI 公式サイト

スタンフォード大学オンライン(CS229: Machine Learning)

スタンフォード大学オンラインは、スタンフォード大学の講義を無料提供しているサイトで、「CS229: Machine Learning」が高度な機械学習について学べる広義になります。

スタンフォード大学オンライン(CS229: Machine Learning) サイト

日本メディカルAI学会公認資格メディカルAI専門コース

日本メディカルAI学会公認資格メディカルAI専門コースは、Google Colaboratoryを使用して、機械学習のライブラリについて学べる教材です。医療データが中心にはなりますが、基礎から実践に関する内容まで学ぶことができます。

メディカルAI専門コースオンライン講義資料

CNN（畳み込みニューラルネットワーク）」とは？仕組みなどの基礎から活用例、将来性までわかりやすく解説

4.AIの作り方【4つの基本ステップ】

前述までの学習サイトや教材を使用して学んだ後、実際にAIを作るために必要な要素は以下の通りです。

AIの活用目的の決定
目的に応じたデータの収集
データを使用して機械学習のモデル作成
システムに組み込んで動作

それぞれについて、見ていきましょう。

AIの活用目的の決定

まずは、AIを活用することで解決したい問題や課題を明確にすることが大切です。

例えば、「特定の要素（人物や物体）が写っているものといないものの分類」「業務における提携作業の代替」などになります。

これは、目的が明確でないと使用するアルゴリズムや開発のコスト、さらにはモチベーションが定まらないからです。

研究機関や企業に所属しているならば、学習の段階から決まっていたり、研究・開発の指針が決まっていたりするので、それに従うのが良いでしょう。

目的に応じたデータの収集

AIが学習に利用するデータは目的ごとに異なります。例えば、「画像から動物を種類ごとに分類するAI」の場合、分類したい動物の画像が大量に必要です。

この時、データが少なかったり、曖昧な画像データが多かったり、動物の種類に偏りのあるデータだったりするとAIはうまく学習できません。人間が少ない知識や偏った知識では分析をすることができないのと同じです。

こういったときには無料のAPIやデータセットをインターネットで検索するなどして、活用するのも良いでしょう。Googleや楽天などの企業から国の機関まで複数の機関が提供してくれています。

データを使用して機械学習のモデル作成

一番重要といっても良いのが、この機械学習モデルの作成です。なぜなら、機械学習のモデルに使用されるアルゴリズムには以下のような種類があり、それぞれの得意分野が違います。

ロジスティック回帰
決定木
ランダムフォレスト
サポートベクターマシン（SVM）
サポートベクターマシン(SVM) 非線形カーネル
多層パーセプトロン（MLP）
k近傍法（K-NN）
CNN
RNN
LSTM

学習した内容から適したアルゴリズムを選び、Pythonなどのプログラミング言語を利用してモデルを構築することになるのです。

しかし、学習したとはいえ、実際に一からAIをプログラミングするのは困難でしょう。はじめは、プログラミングを行わずにAIを作れるツールやサポートしてくれるサービスの活用するのがおすすめです。

システムに組み込んで動作

実際にAIをシステムに組み込み、テストを行います。学習時のデータとは別にテスト用データを使用し、「期待の処理がされているか」「期待値との誤差はどの程度か」を確認することが必要です。

とはいったものの、実際にシステムへの組み込みを行う場合には対象のシステムの構造とAIとの連携に関する別の専門知識が必要になります。作ってみるだけであれば、LINEなどのサービスが提供しているAIに関する機能を利用するのも良いでしょう。

5.無料AI開発サービス紹介【3選】

前述でも少し触れましたが、AI技術の進歩に伴い、AI開発に関するサービスも登場してきております。

せっかくなので、数ある中から3つのサービスについて触れていきましょう。

Watson

IBMが提供するプラットフォーム「IBM Cloud」には、初めの30日間無料で利用できるAI（人工知能）API/サービス「Watson」があります。

AIアシスタントや自然言語処理、画像分析などさまざまなアプリの構築や実行が可能です。

参考リンク：(デモ動画) IBM i のデータ活用 – IBM Watson Analytics 連携編

DataRobot

DataRobotは、30日間の無料ライセンスが用意されている機械学習プラットフォームです。専門知識がほぼなくともさまざまなデータ分析や予測、画像認識などのモデルを作成することができます。

参考リンク：DataRobot

Prediction One

Prediction Oneは、SONYが30日間無料で提供しているデータ分析と予測を行えるソフトウェアです。プログラミングを利用しないデータ分析を可能とし、専門知識を必要とせずに初心者でも簡単に利用できます。

参考リンク：【AIによる予測分析】Prediction One 使い方説明

AIにできること・できないことは？AIに仕事が代替される？その他活用事例を解説

PythonでAI開発！【初心者向け】ライブラリの紹介学習のヒント、未来展望など解説

6.まとめ

本記事ではAI（人工知能）の学習から作るために必要なことを紹介していきました。

AIはしっかりと目的をもって、学習や研究・開発を行うことが大切です。

「AI技術を開発する企業で働きたい」「AIの最新技術を研究したい」など明確な目標を決めて、始めるのが良いでしょう。

本記事が皆様にとって少しでもお役に立てますと幸いです。