本記事では、
「機械学習やディープラーニングを簡単に学ぶにはどうすれば良い？」
「エクセルを使って機械学習やディープラーニングを学びたい！」
という疑問にお答え致します。
こんにちは。インプロです。
現在、AIブームを迎えており、「機械学習やディープラーニングを業務で活用したい！」という人も多いのではないでしょうか。
しかし、実際に本屋で本をパラパラめくってみると、非常に難解な数式が書いてあり、そっと本棚に本を戻して帰る、ということが多々あります。
しかも、Pythonというプログラミング言語を学ぶことが前提となっており、これも機械学習を学ぶハードルを上げています。
そこで、私のオススメとしては、「エクセルを使って学ぶ」ことです。メリットとしては、Pythonのようなプログラミングを学ぶ必要がなくなり、機械学習やディープラーニングの意味がわかるようになります。
これまで挫折した人も、ぜひエクセルで学ぶことにチャレンジして欲しいです。
それではオススメの本を紹介致します。
本を選ぶ前に
本を選ぶ前に、機械学習とディープラーニングの違いはご存知でしょうか。
ディープラーニングは、機械学習の中に含まれている技術です。
機械学習の中にはディープラーニングとは別に、回帰分析や重回帰分析など統計的な手法が含まれます。
機械学習
「直感でわかる！Excelで機械学習」は機械学習の入門書です。
Amazonで試し読みできます。
機械学習の基本的な内容をエクセルを通して学べます。ディープラーニングについての記述はありません。
回帰分析から始まり、決定木まで記載してあります。ランダムフォレストなどの発展についての記述はありませんが、最初の一冊には最適です。
■Part 1 ビジネス活用への第一歩
第1章 機械学習のイメージをつかむための基本と道具
第2章 機械学習のビジネス活用事例を知ろう■Part 2 Excelでアルゴリズムの仕組みをとらえよう
第3章 価格や売上を予測するアルゴリズム [線形回帰モデル]
第4章 YesかNoか―2値を予測しよう [ロジスティック回帰モデル]
第5章 グループに分けてとらえよう [クラスタリング]
第6章 余分な情報を削ぎ落とそう [次元削減]
第7章 予測ルールを自動生成しよう [決定木]
第8章 高度な機械学習アルゴリズムを理解しよう
機械学習～ディープラーニング
「Excelでわかる機械学習 超入門 -AIのモデルとアルゴリズムがわかる」は、機械学習とディープラーニングの本です。
Amazonで試し読みできます。
重回帰分析、誤差逆伝播法、強化学習、DQN、RNNなどをエクセルで解説しています。ややディープラーニングよりの本になっています。
CNN(畳み込みニューラルネットワーク)の解説はありません。下記で紹介する本にはあるので、参考にしてみてください。
ディープラーニング
CNN
「Excelでわかるディープラーニング超入門」はディープラーニングの入門書です。主にCNN(畳み込みニューラルネットワーク)についての本です。
Amazonで試し読みできます。
Googleの画像認識(人の顔の識別)は、どうやっているのか？その原理がわかります。
この本はCNNについてどんな本よりもわかりやすく解説していると思います。エクセルだから理解しやすいと思います。
加えて、ディープラーニングに使われる基本的な知識を学習できるので、応用するにしても知識が生きてきます。
【目次】
1章 初めてのディープラーニング
§1．畳み込みニューラルネットワークのしくみは簡単
§2．AIとディープラーニング
2章 Excelの確認とその応用
§1．利用するExcel関数はたったの7個
§2．エクセルの参照形式
§3．Excelソルバーの使い方
§4．回帰分析と最適化問題
3章 ニューロンモデル
§1．神経細胞の働き
§2．神経細胞の働きを数式表現
§3．人工ニューロンと活性化関数
§4．ステップ関数からシグモイド関数へ
4章 ニューラルネットワークのしくみ
§1．読み物としてのニューラルネットワークのしくみ
§2．ニューラルネットワークが手書き文字を識別
§3．訓練データの1つからニューラルネットワークの出力を算出
§4．正解と出力の誤差
§5．ニューラルネットワークの目的関数
§6．ニューラルネットワークの最適化
§7．最適化されたパラメーターを解釈
§8．ニューラルネットワークをテストしよう
§9．現実の手書き文字にニューラルネットワークを応用
5章 畳み込みニューラルネットワークのしくみ
§1．読み物としての畳み込みニューラルネットワークのしくみ
§2．畳み込みニューラルネットワークが手書き数字を識別
§3．畳み込みニューラルネットワークの入力層
§4．畳み込みニューラルネットワークを特徴づける畳み込み層
§5．畳み込みニューラルネットワークのプーリング層
§6．畳み込みニューラルネットワークの出力層
§7．正解と出力の誤差
§8．畳み込みニューラルネットワークの目的関数
§9．畳み込みニューラルネットワークの最適化
§10．最適化されたパラメーターを解釈
§11．畳み込みニューラルネットワークをテストしよう
§12．パラメーターに負を許容すると
§13．隠れ層の活性化関数を変更
RNN・DQN
「Excelでわかるディープラーニング超入門【RNN・DQN編】」は、ディープラーニングの入門書ですが、RNNとDQNに焦点を当てています。
Amazonで試し読みできます。
RNNという時系列データに使われるディープラーニングが学べます。時系列データ？と思いますが例をあげます。Googleのサジェスト機能をご存知でしょうか？
検索窓に「あた」と打った場合、「熱海」、「当たり前体操」など予測ワードが出現します。これがサジェスト機能です。この予測ワードをどうやって表示しさせているかというのを勉強できます。
一方で、DQNは強化学習にCNNのディープラーニングの要素を加えたものです。AIBOなどに用いられていたようです。または、ゲームなどへの応用も考えれています。
【目次】
1章 RNN，DQNへの準備
§1 はじめてのRNN，DQN
§2 利用するExcel関数は10個あまり
§3 最適化計算を不要にしてくれるExcelソルバー
§4 データ解析には最適化が不可欠
2章 Excelでわかるニューラルネットワーク
§1 出発点となるニューロンモデル
§2 神経細胞をモデル化した人工ニューロン
§3 ニューラルネットワークの考え方
§4 ニューラルネットワークを式で表現
§5 Excelでわかるニューラルネットワーク
§6 普遍性定理
3章 ExcelでわかるRNN
§1 リカレントニューラルネットワークの考え方
§2 リカレントニューラルネットワークを式で表現
§3 Excelでわかるリカレントニューラルネットワーク
4章 ExcelでわかるQ学習
§1 Q学習の考え方
§2 Q学習を式で表現
§3 ExcelでわかるQ学習
5章 ExcelでわかるDQN
§1 DQNの考え方
§2 ExcelでわかるDQN
次のステップはPythonへ
ここまで学んだ方は、Pythonを含めて本格的な機械学習やディープラーニングの本へ進むことをおすすめ致します。
機械学習
「Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎」
ディープラーニング
ディープラーニングに関しては以下、三部作が有名でかつわかりやすいです。
「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」
「ゼロから作るDeep Learning ❷ ―自然言語処理編」
「ゼロから作るDeep Learning ❸ ―フレームワーク編」
動画で楽に勉強したい方へ
本で学習するのが苦手な人や、独学である程度効率的に勉強するならば、「Udemy」
で動画講座で学ぶことをおすすの致します。
「Udemy」では個人(現場のプロ)が作っているため、非常に役立つ内容が多くかつ、通信教育よりも実践的で、価格も非常に安いです。
特にセールを狙うと2000円とか驚くべき安さで購入できるときもあります。
検索して色々調べてみると良いと思います。
「【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 –」
「みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2020年最新版】」
「初心者必見！Pythonでニューラルネット・深層学習を完全攻略」
