教育プラットフォーム KIKAGAKU

KIKAGAKU へようこそ。
株式会社キカガクが運営する KIKAGAKU はオンラインで初学者から機械学習・ディープラーニングが学べる無料の教育プラットフォームです。

データサイエンス、機械学習、ディープラーニングに興味があり、仕組みや実用方法を理解し、学びたい方を対象としています。教育機関や企業内研修、個人の勉強などに広く利用していただけることを想定し、どなたでも無料で利用可能です。

KIKAGAKU には 3 つの特徴があります。

基本無料

ほとんどのコンテンツが無料で利用でき、誰でも・いつでも学習を始める事ができます。

初学者でも安心

文系・理系やプログラミング経験の有無などを問わず、誰でも利用可能です。

簡単に始めることができる

プログラミングの実行環境は Google Colaboratory を利用することを想定しており、お手元のコンピュータで環境構築を行う必要がなく、初学者でも手軽に学習を始める事ができます。

コンテンツへのこだわり

KIKAGAKU は、誰しもが、いつでも、どこでも、学ぶことができる世界、初学者からでも挫折すること無く、活用できるスキルが習得できるコンテンツ作りを目指しています。

KIKAGAKU のコンテンツには 3 つのこだわりがあります。

網羅性 < 代表性

機械学習を習得したいとしても、ネット上には情報がたくさんあり、どの情報を頼りにしたら良いのか、どこから勉強を始めればいいのかといった問題があると思います。KIKAGAKU のコンテンツは初学者の方でも迷うことなくスキルを身に付けるために、情報の取捨選択を行い、全てを伝えるのではなく、適切なタイミングで適切な情報を伝える事を意識したコンテンツ設計を行っています。

厳密性 < わかりやすさ

コンテンツは徹底的に厳密性よりもわかりやすさを重視しています。初学者が最初に躓く大きなポイントとして、専門用語や厳密性を重視した難しい表現があります。もちろん最低限守るべきラインは引きつつも「ここはこう伝えた方がわかりやすいかつ、使う上では問題ない」と判断したものについてはわかりやすさを優先して解説を行っています。そのためコンテンツ内には表現が厳密には正しくない場合がありますがご理解、ご了承のほどお願いします。

文章 < 図

初学者にとって、初めて見る機械学習の様々な概念を文章のみで理解することは困難な場合があります。コンテンツは極力図を活用し、視覚からイメージを掴む工夫を行っています。

これまででオフラインとオンライン含めて 27,000 人以上（2020 年 4 月現在）の方へ伝えてきた経験から初学者でもわかりやすく、最短距離で学べるコンテンツをこだわって作成していきます。

データサイエンスや機械学習、ディープラーニングと一言に言っても、必要な知識は数え切れないほどあります。これまでに

• 分厚い参考書を買ったが挫折した
• 難解な数式を前にして数学がキライになった

そんな方でも理解できるように道筋を立てています。楽しく、そして使える、そんな技術を学んでいきましょう。

豊富なコンテンツ

KIKAGAKU が教育「プラットフォーム」という言葉を採用している理由として、KIKAGAKU の利用者が実社会に活用できるスキルを最短距離で身につけることができ、社会に学んだ事を還元できるといった場所を提供することを目標としているためです。そういった本当の意味で役に立つコンテンツで溢れる場所とすることを KIKAGAKU では目指しています。

基礎編ではデータサイエンス、機械学習、ディープラーニングの全体像を把握するために 6 個のコンテンツを準備しています。さらに今後は、

• タスク特化編
• 業界特化編
• 実活用編

のように使える技術を学べるコンテンツを少しずつ拡充していく予定です。

KIKAGAKU 学習のロードマップ

先程紹介した、KIKAGAKU の目的にあるようにコンテンツは利用者の皆さんに社会に還元することのできるスキルを身に着けてもらうことにあります。
そのため今後は活用するために必要な知識・スキル（タスク、業界特化など）について学ぶ事ができるコンテンツ作成を予定しています。

※上図はあくまで構想であり、公開を約束するものではありません。

事前準備

KIKAGAKU では Chainer チュートリアルを読み終わっている方を対象としています。Chainer チュートリアルは 2019 年 4 月に Prefered Networks 社が公開し、株式会社キカガクも一部制作に協力させていただいた機械学習を学びたい初学者に最適なコンテンツです。

• Chainer チュートリアル：https://tutorials.chainer.org/ja/

事前準備の範囲としては、step1 準備編の

1. はじめに
2. Python 入門
3. 機械学習に使われる数学
4. 微分の基礎
5. 線形代数の基礎
6. 確率・統計の基礎

に加えて、step2 機械学習とデータ分析入門の

7. 単回帰分析と重回帰分析
8. NumPy 入門
9. scikit-learn 入門
10. Pandas 入門
11. Matplotlib 入門

とします。

この先、学んでいく上で必要な知識ばかりですので必ず手を動かし、理解しながらこの先の KIKAGAKU へ進んでください。

作成者より

KIKAGAKU に訪問していただきありがとうございます。日本では 2019 年 3 月にも有識者提案のAI 戦略を発表し、年間 25 万人の AI 人材を育成することを目標にしていたりと、AI 人材の育成が国家レベルの課題となっています。

私達はただ AI ができる人材を育成するのではなく、社会課題の解決のための一手段として AI を使える人材の育成を目指しています。KIKAGAKU の公開が、そのための第一歩となることを願っています。

それでは、Next ボタンをクリックし、学びの一歩目を踏み出しましょう。