難しすぎて全然理解できなかったらどうしよう・・・。
まったくやったことのない分野に挑戦する時って、不安ですよね？
自分でAIを作ることなんて本当にできるんだろうか・・・。
そもそも、キカガクの長期コースを卒業できるかどうかも分からない・・・。
２０２３年３月にプログラミング初心者でキカガクの長期コースを卒業した私から、そんなあなたに学習の助けになるアドバイスをお知らせします
この記事を読めば
・全体の学習スケジュールをつかめます
・効率的な学習方法について知ることができます
講義が始まったばかりで不安になっているあなたにピッタリの記事になっています
すでに把握している部分は読み飛ばして、参考になるアドバイスがひとつでもあれば持ち帰ってもらえればと思います
・講座開始前のヒント
不安な人は先んじて動画をたくさん見ておこう
・１ヶ月目のヒント
動画を観るペースを掴もう
・２ヶ月目のヒント
AIを作るための手順を理解しよう
・３ヶ月目のヒント
分からない部分は積極的に聞いていこう
・４ヶ月目のヒント
(給付金条件のため)先に超簡単なAIアプリを作っておこう
・学習のポイント
コピペでも良いので、colabで講義内容のコードを書いてみよう
難しい部分は完全に理解しないでも良いので、次に進もう
・キカガクの長期コースを始めようか迷っている人
・初めてのプログラミング、AI学習で不安な人
・効率的な学習方法について知りたい人
キカガク長期コースのスケジュール
キカガクの長期コースの６ヶ月間のスケジュールはこんな風になっています
| 概要 | 習得スキル | 難易度 | |
| １ヶ月目 | ・Python の基礎 ・データサイエンス実践 | ・Python の基礎 ・ライブラリ （NumPy・Pandas・Matplotlib） ・探索的データ分析 / 統計的仮説検定 ・多変量解析Ⅰ （相関分析・回帰分析） ・多変量解析Ⅱ （主成分分析・クラスター分析） ・レポーティング | ★☆☆ 数学が苦手だとややツラい |
| ２ヶ月目 | ・機械学習入門 / 実践 | ・機械学習実装（scikit-learn） ・データの前処理基礎 / 応用 ・回帰 / 分類モデルの実装 （学習、評価、推論） ・精度向上のアプローチ ・不均衡データへのアプローチ （imbalanced-learn） | ★★☆ AIを作れるようになって楽しい コードが長くなる |
| ３ヶ月目 | ・ディープラーニング入門 / 実践 | ・NN の数学（順伝播、逆伝播） ・PyTorch よる深層学習実装 ・画像処理 （CNN、ファインチューニング） ・自然言語処理 （BoW、TF-IDF） | ★★★ 最難関 コードが長くなり、複雑になる |
| ４ヶ月目以降 | ・機械学習 API 作成 ・自走期間 | ・FastAPI を用いた機械学習API 実装 ・自走期間課題設定 ・機械学習 API 作成 ・画像 / 自然言語特化系の分析 ・データ分析レポート作成 | ★★☆ 自分の作りたいAIを作製 公開までの道のりが長い |
講義は希望によって変わりますが、平日の夜または土日に行われます
私は平日コースだったので、毎週 月曜と木曜の夜１９～２１時に講義を受けていました
祝祭日が被ると前後にズレるときもあります。火曜、金曜とか
土日の場合はどちらかの昼間に４時間続けてやることになります
長時間 集中力は続かないので、平日コースをオススメします
週2日のペースで少しずつ進みながら、不明点を講師の方にちょくちょく問い合わせるという形が良いかと
土日コースを選んでしまったが、どうにも学習ペースが掴めないなど困っている場合はキカガクの講師に相談しましょう
平日コースに移動できる可能性があります
講座開始前のヒント
・Google colabの操作に慣れておこう
受講料の入金が確認され次第、動画教材が観られるようになるので開始前に進めておけば後で楽になります
１ヶ月目で全部見終わった人もちらほらいました
宿題あとまわしタイプの私はその都度、見ていて結構忙しくしてました
始める前は余裕あったんですけどねー
生来の愚かさが出ちゃいましたね
Google colabの操作に慣れておくとコードをスムーズに書くことができます
以下の記事を読みながらcolabを操作してみると大分 慣れてくると思います
Google Colaboratory（略称：Google Colab）について、AI・機械学習の講師が、使い方やメリッ…
Google Colaboratory（略称：Google Colab）において、AI・機械学習の講師が、便利なショート…
１ヶ月目のヒント
・動画を観るペースを掴もう
eラーニング＝予習、オンライン講義＝復習
| 概要 | 習得スキル | 難易度 | |
| １ヶ月目 | ・Python の基礎 ・データサイエンス実践 | ・Python の基礎 ・ライブラリ （NumPy・Pandas・Matplotlib） ・探索的データ分析 / 統計的仮説検定 ・多変量解析Ⅰ （相関分析・回帰分析） ・多変量解析Ⅱ （主成分分析・クラスター分析） ・レポーティング | ★☆☆ 数学が苦手だとややツラい |
１ヶ月目はAIが裏でどのような計算をしているのか、数学的な内容を多く学習します
行列もあるので、高校で数ⅢCを選択していなかった人には馴染みがないのでややツラいと思います
しかし、諦めないでください！
数学をガッツリやるのは最初だけで、コードを書くようになればpythonが勝手に計算してくれます
数式を追うのではなく、全体を見て最終的に出てきた計算結果の意味に注目してください
AIは予想の答えと本当の答えの差を計算しています。そこが大事です。
１週間で進むカリキュラムのペースを掴みましょう
動画を消化するペースと講義で進むペースを調節して、講義が復習という形になればベストです
２ヶ月目のヒント
・AIが作れるようになっている自分に興奮しよう
| 概要 | 習得スキル | 難易度 | |
| ２ヶ月目 | ・機械学習入門 / 実践 | ・機械学習実装（scikit-learn） ・データの前処理基礎 / 応用 ・回帰 / 分類モデルの実装 （学習、評価、推論） ・精度向上のアプローチ ・不均衡データへのアプローチ （imbalanced-learn） | ★★☆ AIを作れるようになって楽しい コードが長くなる |
機械学習に入って、実際にAIを作れるようになります
AIを使って最終的な答えが出せるので楽しくなってきます
学習する際に感情はバカにできなくて、楽しいと感じる状態で学習することでどんどん内容を吸収できるようになります
どんなAIを作るにしても必要なデータや無視できない手順があります
どのような手順でAIを作るのか理解しましょう
ざっくりとした手順はこんな感じです
AIモデルを作った後に、どうやって精度を上げていくのか、大事な部分なので注意して聞いてください
３ヶ月目のヒント
・分からない部分は積極的に聞いていこう
・難しすぎて理解できない場合は、とりあえずほっとこう
| 概要 | 習得スキル | 難易度 | |
| ３ヶ月目 | ・ディープラーニング入門 / 実践 | ・NN の数学（順伝播、逆伝播） ・PyTorch よる深層学習実装 ・画像処理 （CNN、ファインチューニング） ・自然言語処理 （BoW、TF-IDF） | ★★★ 最難関 コードが長くなり、複雑になる |
この３ヶ月目が一番難しい内容を扱います
ディープラーニング、画像処理が特に難しいので予習と復習をしっかり取り組みましょう
分からない・コードが予想通りに動かない場合はslackまたはオンラインミーティングで積極的に聞いていきましょう
講師の方も３ヶ月目が一番難しいと分かっているので、質問ウェルカム状態です
どんどん聞いちゃってください
ディープラーニングとかは正直、奥が深すぎるので完全に理解しようと思わなくても大丈夫です
これからAIに関係するキャリアを進んでいく途中で理解を深めていけば十分
テキストに書かれている内容に集中して理解していきましょう
４ヶ月目のヒント
・先に超簡単なAIアプリを作っておこう
・AIアプリの作成は講師と相談しながら作っていこう
| 概要 | 習得スキル | 難易度 | |
| ４ヶ月目以降 | ・機械学習 API 作成 ・自走期間 | ・FastAPI を用いた機械学習API 実装 ・自走期間課題設定 ・機械学習 API 作成 ・画像 / 自然言語特化系の分析 ・データ分析レポート作成 | ★★☆ 自分の作りたいAIを作製 公開までの道のりが長い |
給付金を受ける条件がいくつか存在します
・演習課題の提出及び基準値以上の精度
・自走期間設定課題の達成（取り組み資料の提出または資格の取得）
とりあえず教材の動画・DXを推進するAI・データサイエンス人材育成コースは全部視聴完了しましょう
ダッシュボード上で動画視聴の進捗率が確認できるので、４ヶ月目の終わりを目安に頑張ってください
あとは画像処理の課題があるので、精度を上げてクリアしましょう
私の時は「犬と猫を見分ける画像処理」でした
教材を繰り返し見ながら、少しずつコードを編集していけば大半の人はクリアできます
課題の質問を講師にしながらアドバイスをもらってクリアするのも大丈夫です
最後は自作のAIアプリの作成なのですが、オリジナルAIアプリを作る前にテキストを参考にAIアプリを作ってしまいましょう
テキストを参考に１日でできあがります
テキストと同じように動作するAIアプリが作れればとりあえずOKです
最初にAIアプリを提出しておくことで、給付金を受けるための条件をクリアできるのでオリジナルのAIアプリに集中することができます
動作させてみるとエラーを吐き出して、予想通りの動きをしない！
機嫌が迫っているなかでアプリができていないと精神衛生上よくないので、AIアプリは最低限のものを先に提出しておけば安心です
streamlitというサービスで作るのが一番簡単なので、ササっと作ってしまいましょう
AIアプリの作製は講師と相談しながら進めていくと、進捗がイイ感じになります
参考になる記事のURLを教えてくれることもありますし、精度を上げるためのテクニックを紹介してくれたり、アプリの公開するための最適なサービスを教えてくれます
アプリの内容をもとにグループ分けがあるので、受講生同士で情報交換するのもGOODです
貴重なアドバイスを教えてもらえたりします
知っておきたい学習ポイント
ここからは個人的に抑えておきたい学習のポイントをお知らせします
・colabの共有機能をうまく使う
・難しい部分は完全に理解しないでも良いので、次に進む
・私生活が忙しい場合は無理して講義に出なくても大丈夫
コピペでも良いので、colabで講義内容のコードを書いてみる
動画だけ見ていると分かったつもりになるのですが、実際にコードを書いてみると全然書けませんww
そのためテキストのコードをコピペしても良いので、とりあえず写経してみましょう
ライブラリや関数の馴染みかたが全然違います
一番良いのはコピペせずにカタカタと打ち込んでいくことなのですが、時間がない場合はしょうがないです
colabの共有機能をうまく使う
テストや章末問題に取り組むと遅かれ早かれつまづくことになります
誰かにアドバイスを求める際にはcolabの共有機能をうまく使いましょう
共有機能を使うと講師が全部のコードを確認できます
slack上にコードをコピペするよりも、コード全体とエラーの内容も講師が確認できるのでスムーズな問題解決につながるのでオススメです
自分ではコ「ココが怪しいんだよなぁ・・・」と考えていても、実はもっと前段のコードが不適切だったりします
難しい部分は完全に理解しないでも良いので、次に進む
学習内容はだんだんと難しくなっていきます
特にディープラーニングと画像処理の単元はやはり難しいです
ディープラーニングと画像処理は極めようと思えば、どこまでも深い沼を潜ることになるので期限付きで勉強している間はそんなに深く掘り下げて勉強しなくても良いです
キカガクの長期コースでは覚えて欲しい範囲を明確にしているので、とりあえずそこだけ抑えておきましょう
難しい単元はおいおい理解を深めていけば大丈夫です
私生活が忙しい場合は無理して講義に出なくても大丈夫
仕事が忙しかったり、体調が悪かったり、飲み会の予定が入って出席できない場合も出てくることでしょう
無理して毎回 講義に出席しなくても問題ありません
給付金の条件に出席率は関係ないので、都合が合わない場合は欠席しても大丈夫
欠席が続くようなら、講師から「お仕事お忙しいですか～？」とやんわり連絡してきてくれます
講義を欠席したから講師が怒っているというようなことは全くないので、素知らぬ顔でまた出席しましょう
キカガク長期コースのスケジュールと学習ポイント まとめ
不安な人は先んじて動画をたくさん見ておこう
・１ヶ月目のヒント
動画を観るペースを掴もう
・２ヶ月目のヒント
AIを作るための手順を理解しよう
・３ヶ月目のヒント
分からない部分は積極的に聞いていこう
・４ヶ月目のヒント
(給付金条件のため)先に超簡単なAIアプリを作っておこう
・学習のポイント
コピペでも良いので、colabで講義内容のコードを書いてみよう
難しい部分は完全に理解しないでも良いので、次に進もう
以上が６ヶ月間の長期コースを経験してアドバイスしたいことの全てとなります
動画を視聴するのはひとりでやることなのですが、それ以外は同期に聞いたり、講師に相談すれば道は開けていくので過大な心配は不要です
６ヶ月間 頑張ってください！
修了後に入れるキカガクコミュニティでお待ちしております！
