関連記事
【2021年11月最新：全部受講】Udemyのおすすめ31選をカテゴリ別に紹介【データサイエンス/機械学習,Python/R/SQLプログラミング】 | Quant College
【感想あり】おすすめのUdemy動画講座：機械学習・データサイエンスに必要な数学とPythonの入門編【随時更新】 | Quant College
はじめに
Udemyとは
プログラミングなどのITスキルを身に付けられる動画教材である。
特徴は以下の通り。
- 実務経験豊富な講師の動画講座が格安で受けられる
- 動画で講師の操作が見えるので初心者でも挫折しにくい
- （特に環境構築のところは動画でないとつまづきやすい）
- オンライン完結なので時間や場所を選ばずいつでも学習できる
- 動画は5分や10分など細切れになっておりスキマ時間で学習できる
- 再生速度を調整できる（ 0.5倍速～2倍速）ので、マイペースで学習できる
- 毎月のように開催されるセール時には最大95％オフで購入できる
- 買い切り購入なので月額などの固定費にならず、何回でも見直せる
- 講座を受ける中で疑問が生じたら、講師に直接質問できる
- 受講者の評価点数や口コミを見れるので、後悔することがほぼない
- 30日間の返金保証もあるので安心
本記事のイントロダクション
本サイト管理人もここ数年の間に多数受講してきて、かなりお世話になっている。
本記事ではその中から「機械学習」のカテゴリーにしぼって、おすすめの講座を個人的な感想とともに紹介していく。
注意としては、「高校レベルの数学、Pythonの基本文法は習得済み」という人向けの講座である。
紹介する順番は独断と偏見で、難易度が易しいものから順に並べている。
難易度は以下の４段階でイメージして頂きたい。
- 上級レベル
- 中級レベル
- 初級レベル
- 入門レベル
なお、本サイト管理人が受講した際のバックグラウンドは概ね以下の通りなので、念のため参考にして頂きたい。
- 学部教養レベルの微分積分、線型代数、確率・統計は学生時にひと通り学習済み
- プログラミングは普段、業務でC++を使うが、Pythonはデータ加工やファイル生成など限定的な用途でしか使っていない。あとはRやMatlabを学生時に使ったことがある程度
- 伝統的な多変量解析・時系列分析は昔に少し学習したことはあるが、最近の機械学習やディープラーニング、ベイズ統計などについては素人
[1]
Pythonで機械学習：scikit-learnで学ぶ識別入門
- 機械学習の中でも分類・識別について、scikit-learnを用いたサンプルコードを動かしながら説明する講座
- 講師：Toru Tamaki（名古屋工業大学 教授）
- 難易度：初級レベル
- 動画の長さ：9時間
- 主な内容：
- PythonとJupyterの環境構築
- データ分割と交差検証
- 特徴抽出・特徴選択・特徴変換（主成分分析など）
- 分類器の評価方法
- 分類器（kNN、パーセプトロン、ロジスティック回帰、SVM、MLP、ランダムフォレスト）
- ハイパーパラメーターチューニング
- 学習データが多い場合（linear SVM、確率勾配法; SGD）
- 開発環境：
- Jupyter Notebook
- 環境構築の説明はMacOS、Windows、Linuxに対応
- 必要な前提知識：
- 数学の前提知識はほぼ不要（数式ではなくPythonコードで説明）
- Pythonの基本文法（Matplotlibなど代表的なライブラリを使ったことがあると望ましい）
- 特徴：
- Pythonコードと実行結果のグラフを使って説明されるので、実践的でイメージがわきやすい
- 数式をほとんど使わず、易しい言葉で説明されるので、途中で挫折しにくい
- Pythonコードは一行一行その意味を説明してくれる
- 豊富な数値例で各アルゴリズムの特徴を視覚的に学べる
- 注意点：
- Pythonの文法やグラフ描画は学習済みの前提となっており、説明はない
- 機械学習のアルゴリズムを数式レベルで理解したい人には向かない（scikit-learnの中で行われている計算の詳細は説明されない）
- こんな人におすすめ：
- ネットや本で機械学習を学んでみたが、理論や概念の理解でつまづいてしまい、実装するところまで行けなかった人
- Pythonの基礎を学び終わって、これから機械学習の実装に入門したい人
- scikit-learnの使い方をいろんな例を通して学びたい人
[2]
【NumPy・Python3で】ゼロから作るニューラルネットワーク
- ニューラルネットワークについて、PyTorchやTensorFlowを用いずにNumpyで実装していく講座
- 講師：井上 博樹（AIエンジニア）
- 難易度：初級レベル
- 動画の長さ：3.5時間
- 主な内容：
- Anacondaのインストール
- 線形回帰
- Numpyによるベクトルと行列の取り扱い
- 単層ニューラルネットワークと誤差逆伝播法
- 多層ニューラルネットワークと誤差逆伝播法
- 開発環境：
- Jupyter Notebook
- 環境構築の説明は最小限なので、他の講座で環境構築済みであることが望ましい
- 必要な前提知識：
- Pythonの基本文法
- 高校レベル～学部一年レベルの数学（偏微分、シグマ記号、ギリシャ文字あたりに拒否反応があると厳しい）
- 特徴：
- 数式展開とスクラッチ実装の両方を丁寧に学べる
- 数式の説明はスライド上に手書きしていくスタイルで、板書で進む学生時の講義に似た感覚で受講できる
- 数式展開を一行一行説明してくれる
- 理論と実装を交互に学べて対応関係がわかる
- ライブコーディングで、関数に渡す各パラメーターなどコードの意味を一行一行説明してくれる
- 自分で手を動かす練習課題がある
- 注意点：
- 自分はそれほど気にならなかったが、手書きの数式が読みづらいというレビューが見られる
- ライブラリを使って手っ取り早くディープラーニングを体感したい人には向かない
- 練習課題の解答は一部未収録
- 多層ニューラルネットワークの入門までをカバーしているが、あくまで入門なので、ディープラーニングを深く学ぶには他の講座を合わせて受講する必要あり
- こんな人におすすめ：
- ディープラーニングの本を読んだが、理論や概念が理解できず挫折してしまった人
- 実装だけではなく数式展開も含め、ディープラーニングの仕組みを積み上げ式で学びたい人
- PyTorchなどのライブラリの中で何が起きているのか、自ら手を動かして理解したい人
[3]
【Hands Onで学ぶ】PyTorchによる深層学習入門
- PyTorchを使ってディープラーニングのロジックと実装を学べる講座
- 講師：Tetsuya T（研究者・技術者）
- 難易度：中級レベル
- 動画の長さ：5時間
- 主な内容：
- Google ColabとPyTorchの基本的な使い方
- 機械学習と自動微分の復習
- MLPによる手書き数字の認識
- CNNによるクラス分類
- データ拡張
- 転移学習
- オートエンコーダー
- ResNet
- カスタムデータセット
- LSTM
- 付録：Pythonにおけるクラスの基礎
- 開発環境：
- Google Colab
- 必要な前提知識：
- Pythonの基本文法、Numpyの使い方
- 大学一年レベルの数学
- 機械学習、特にニューラルネットワークの基本的な知識
- 特徴：
- ライブコーディングでプログラムの説明も丁寧
- 端的な説明で無駄がなく、テンポ良く講義が進む
- PyTorch実装の手前に毎回、概念理解の講義があり、自分が何を実装しているのかイメージできる
- ResNetやLSTMなど、応用上よく見聞きするアーキテクチャーも説明されており、実践的な内容になっている
- 注意点：
- 説明が所々あっさりしているので、別の教材でニューラルネットワークの基礎を学習済みでないと少し厳しい
- PythonやNumpyはある程度使い慣れている必要がある
- 講師の声が若干小さいので音量調整が必要か。
- こんな人におすすめ：
- PyTorchでディープラーニングの様々なモデルを実装できるようになりたい人
- Pythonと機械学習の基礎を学び終わって、ディープラーニングの実践的な内容を学びたい人
- 機械学習エンジニアを目指しており、ディープラーニングを使った分析の流れを体感したい人
おわりに
管理人が実際に受講した講座の中から、おすすめの講座を選んでみた。
テック関連のスキルは動画で学ぶと効率がよい。
ただし書籍よりも高価になりがちなので、目ぼしい講座を事前にピックアップしておいて、毎月のようにやっているセール時にまとめ買いするのが賢い。
今後も続編の記事を書いていく予定。
あわせて読みたい
【2021年11月最新：全部受講】Udemyのおすすめ31選をカテゴリ別に紹介【データサイエンス/機械学習,Python/R/SQLプログラミング】 | Quant College
【感想あり】おすすめのUdemy動画講座：機械学習・データサイエンスに必要な数学とPythonの入門編【随時更新】 | Quant College