ようこそ、KIKAGAKU へ。本チュートリアルでは、KIKAGAKU のコンセプト、学習を始めるために必要な事前知識、学習を進めるための実行環境の準備の方法について解説します。これから初めて人工知能 (AI) について学ばれる方も、これまで学ばれてきた方もまずは本チュートリアルを確認し、KIKAGAKU で学習を進めるために必要な準備を整え、以降のチュートリアルに進んで下さい。KIKAGAKU での学習の一歩目をここから始めましょう。

本チュートリアルでは、データサイエンス、人工知能 (AI) などの最も基礎的な概念について解説します。AI、機械学習、ディープラーニング、教師あり学習、教師なし学習、強化学習といった用語の概念が理解できてない方はしっかりここでそれぞれの概念を理解し、以降のチュートリアルで学ぶ内容の全体像を掴みましょう。また、AI の活用事例や開発のロードマップを確認し、AI がどのように使われ、どのように作成するかを学び、AI を学ぶ必要性を把握しましょう。

本チュートリアルでは、機械学習の基礎となる教師あり学習、教師なし学習、さらに精度向上に効果的なハイパーパラメータのチューニング方法を scikit-learn を用いて実装します。難解な理論だけではなく、豊富な図を用いることで数式を眺めるだけで気持ちが沈む方でも理解できるようなコンテンツになっているので数学が苦手な方でも問題ありません。機械学習の世界の入り口をノックしましょう。

本チュートリアルでは、ディープラーニングの第一歩としてニューラルネットワークの理論から実装まで学んでいきます。理論は数学を駆使しながら、実装には世界的に有名なフレームワークを 2 種類説明します。こちらはどちらかを選んでいただきたいのですが、ひとつの目安として初学者は TensorFlow を、プログラミングに慣れている方は PyTorch を選択してください。後々両方を覚えることになると思いますので、最初はどちらでも大丈夫です。それではさっそく楽しいディープラーニングの世界を体験しにいきましょう。

第三次 AI ブームの火付け役は、画像を扱うディープラーニング手法である CNN の登場でした。古典的な機械学習モデルのパフォーマンスを大きく上回る CNN は、現在の画像認識の領域では欠かせない存在となっています。本チュートリアルでは、画像データの取り扱い方といったキホンのキから、実務で活用するには必須となるファインチューニング、オーグメンテーションといった CNN にまつわる様々な技術を一気通貫に学んでいきます。さあ、広くて深い画像認識の世界へ飛び込みましょう！

自然言語処理は、言語の取り扱いをコンピュータに任せ「人の知的活動の代替」を試みる分野です。昨今、機械学習の発展によりブレイクスルーが巻き起こされました。本章では、この自然言語処理の基礎を学びます。自然言語とは何かを抑えた上で、発展の背景を学び、機械学習によりニュース記事の自動分類を行なうことが目標です。人を超えた機械翻訳。自動化が進む文書の分類。なぜ、フェイクニュースは人を騙せるようになったのか。ディープラーニングの知識を駆使しながら、自然言語処理の仕組みを一つずつ紐解いていきましょう。