Courseraの機械学習コースを働きながら2週間で修了した話
思い立ってCourseraの機械学習コースを修了した。
モチベーション
半年前から「いつかやろう」と思っていたが、モチベーションが高まらなかったため後回しになっていた。
しかし、ここ最近になって自然言語処理に興味を持って勉強を始めている。
そのため、機械学習を避けては通れなくなったのである。
そこで、意を決して評判の良いというCourseraの機械学習コースを受けたのだった。
機械学習コースの感想
「受けてよかった」という気持ちとAndrew先生へのリスペクトでいっぱいになっている。
「機械学習やりたいけどなんもわからん」という人が、いの一番に受けるべき講座だなと思った。
この講座を修了して、ようやく機械学習を学んでいくためのスタート地点に立てたなという感覚がある。
つまり、「機械学習なんもわからん」から「機械学習のちょっと難しそうな本くらいは読めそう」くらいにはなった（と思いたい）。
なんと言っても、Andrew先生の講義が非常に良い。
というのも、複雑な理論の説明の後には直感的理解の講義を挟んでフォローしてくれるのである。
抽象的な概念に面食らっても、次の動画に進めば理解できるような構成になっている。
なので、全く理解できなくて心配になったとしても次に進めばよい。
そういう構成なので安心して講義を進めていける。
また、機械学習という分野に対する鳥瞰図が得られることが一番の収穫だった。
僕は学習のはじめに鳥瞰図を得ることは学習において非常に大事している。
自分が本当にやりたいことに向かうためには、これからどの方向に進んでいけばいいのかがわかるようになるからだ。
この講義は、今後の僕の学習計画に道筋を与えてくれた。
なので、Andrew先生に感謝の気持ちでいっぱいである。
機械学習コースで学べること
- 機械学習に必要な基礎的な数学
- 基礎的な機械学習アルゴリズム理論
- 機械学習アルゴリズムの実装方法
- 機械学習システムを構築する際に直面する壁とそれを乗り越える方法
はじめたい人のためのQ&A
高校数学すら完全に忘れているけど大丈夫？
総和のの使い方だけ知っておけば、あとはその場で説明してくれるので問題ない。
ただし、修了に時間がかかることだけは覚悟しておいた方がいいと思う。
加えて、その場の説明はちょっとだけざっくりとしているので、わからないときは完全に理解するまでググって調べる根気は必要。
プログラミングやったことないけど大丈夫？
Octaveの講義あるので、不可ではないですがオススメしません。
プログラミング課題のクリアができないか、あるいは相当時間がかかりそう。
Octaveについてどう思う？
プログラミング言語としてみると、とても表現力は低い。
しかし、数式を直感的に表現できるため、機械学習アルゴリズムの本質的な部分の実装に専念できる点で良かったのだと思う。
特にベクトル化した実装が数式をそのまま表現したものになるので、書いていて気持ち良かった。
(この理由は今後Pythonの学習が進むに連れて覆る可能性はある。）
働きながら2週間で終わらせたことの感想
人には絶対にオススメしない。
このコースは本来は11週間をかけて終わらせるコースだ。
2週間で終わらせるために、睡眠時間とプライベートのあらゆる時間を削っている。
やっている最中は「命削ってるなぁ...」とか、1週間過ぎたあたりで「やっぱ、やめようかな」とか思ったりもした。
早く終わらせたい人でも1ヶ月くらいにすると良いと思う。
「自分も2週間で終わらせられるかな？」という疑問を持つ方もいらっしゃると思うので、参考までに私のスペックを書いておく。
自分が思うに働きながらでも2週間で終わらせるために必要なポイントは2つある。
- 業務が忙しくなく時間の確保ができること
- 講座に出てくるレベルの数学はすでに理解していること
これからについて
自分がやっていきたいと思っていた分野は、深層学習ベースの自然言語処理だ。
そのため、今後は深層学習に注力していくだろうと思う。
とはいえ、まずは機械学習の復習とPythonの学習を兼ねて「機械学習のエッセンス」*4を読む予定。
この選択は 『機械学習のエッセンス』はゼロからガチで機械学習を生業にしたい人が「いの一番に」読むべき一冊 - 六本木で働くデータサイエンティストのブログ を読んで決めた。
そして、このコースで学習したニューラルネットワークを土台として、深層学習の学習に入るつもり。
「深層学習、完全に理解した」に至るための選ぼうと思っている教材
最後に
面白かったと感じた方！
よろしければ、Twitterをフォローしていただけると嬉しいです！
twitter.com
*1:Rails、あとはたまーにReactを書いている
*2:なので、講座に出てくる基礎的な統計学や回帰分析、主成分分析は雰囲気だけはかじっていた
*3:使った参考書は「スバラシク実力がつくと評判の線形代数キャンパス・ゼミ―大学の数学がこんなに分かる!単位なんて楽に取れる!」「スバラシク実力がつくと評判の微分積分キャンパス・ゼミ―大学の数学がこんなに分かる!単位なんて楽に取れる!」
*4:機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム- (Machine Learning)
*6:GitHub - GokuMohandas/practicalAI: 📚A practical approach to learning and using machine learning.
