【書評】機械脳の時代――データサイエンスは戦略・組織・仕事をどう変えるのか?
みなさまこんにちは。
生物学×化学×ITで勉強中のメーカー研究員toryzaeです。
最近は人工知能、機械学習関連の読み物を多く読んでいます。
しばらくは関連する書籍の書評が多くなると思いますが、ご容赦くださいませ。
さて、本日の読書記録はこちら。
機械脳の時代
データサイエンスは戦略・組織・仕事をどう変えるのか？
加藤 エルテス 聡志 （著）
確か会社の推薦図書だったような気がしたのですが…
何で紹介されたのかは正直忘れてしまいました。笑
ただ、内容はとても良く、
☑ データサイエンスをビジネスでどう活かすか
☑ うまく活かすためにはどうすれば良いか
などの情報が体系立てて整理されており、
技術者のみならず、マネージャー層など、幅広い読者層をターゲットとしています。
と記載がある通り、ビジネス寄りの人、データサイエンス寄りの人、エンジニア寄りの人、
全ての方に、データサイエンスを仕事でどう活用したら良いのかが分かりやすく記載されています。
細かい内容はネタバレになってしまうので、非常に簡単にまとめてみます。
☑ ABCDEフレームワークを用いて、プロジェクトに活用する。
☑ 徹底的に言語化を行い、メンバー間での意思疎通を確実に行う。
筆者はコミュニケーション不足（相互理解不足）によるプロジェクト失敗が多いと述べており、
フレームワークの活用と徹底した言語化により、コミュニケーションの充実が期待されます。
自分が働いている会社でもDXの推進が言われていますが、
実際には何をしたら良いのか分かっていない人が非常に多く（自分含め）、
この本に書いてある内容は非常に参考になると感じました。
読んでいて一番気をつけないといけないと感じたことがデータの取り扱い方についてです。
最大の落とし穴は、今あるデータから何ができるかを発想することです。
これ、実験科学をやっている研究開発者が陥りやすい発想です。
というのも、私たち実験科学屋さんは、仮説を立てて実験を行い、
取得したデータから何が言えるか、を考えるのが仕事です。
そのため、必然的に実験データがたくさん集まってくるのですが、
せっかく沢山データを集めたのだから、何か他の事にも活用したいよね、という発想になるのも自然かなと思います。
データ → 何が出来るか
の順番でプロジェクトを進めることは、思わぬ発見があることもありますが、
多くの場合、無駄に終わってしまうようです。
どちらかというと、データサイエンスを活用する場合
何をしたいか → そのためにどういうデータを集めると良いか
の順で考えたほうが効率的であり、プロジェクトの成功確率も上がるようです。
せっかくデータが沢山あるのだから、何かに活用したい！
という欲望を抑えて、目的を意識したデータ取りを行えるよう精進したいものです。
【勉強記録】ゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装
機械学習やディープラーニングを学びたいと思い、
Pythonの基礎を学習後、まず取り組み始めたのがこちらの書籍になります。
ゼロから作るDeep Learning
――Pythonで学ぶディープラーニングの理論と実装
斎藤 康毅 （著）
機械学習などの知識はほぼゼロの状態でしたが、
コードを写経し、適宜ググりながら進めることで、
なんとかディープラーニングの概要について、
理論から理解することが出来ました。
ただし、きちんと理解できたように感じたのは
5章の誤差逆伝播法までで、
6章以降は、正直読んだだけにとどまり、
なんとなく理解しているだけの状態です。
私個人の学習スタイルとして、
応用から入って、ある程度実践できる状態になったら、
基礎に戻る、というスタイルを好むため、
ここでいったん機械学習の実践的な書籍に移行し、
なんとなく実装できるようになったら、再度こちらに戻って来ようと今のところ考えております。
なお、次は以下の書籍を進める予定です。
Pythonではじめる機械学習
――scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
Andreas C. Muller、Sarah Guido 著、中田 秀基 訳
www.oreilly.co.jp
numpyやmatplotlibの取り扱いについても、
いずれきちんと勉強しないといけないだろうと感じているため、
以下の書籍もそのうち取り組みたいところです。
Pythonデータサイエンスハンドブック
――Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習
Jake VanderPlas 著、菊池 彰 訳
www.oreilly.co.jp
ブログの書き方についても、1回きちんと勉強しなきゃだなぁ…。
【書評】人工知能は人間を超えるか ディープラーニングの先にあるもの
みなさまこんにちは。
生物学×化学×ITで勉強中のメーカー研究員toryzaeです。
本ブログの目的は学習したことのアウトプットを記録することに置いています。
そこで、読み終わった本については、書評を書いていこうと思います。
不慣れなところもありますが、どうぞよろしくお願いいたします。
本日紹介する本はこちら！
人工知能は人間を超えるか ディープラーニングの先にあるもの
松尾 豊（著）
最近は機械学習やプログラミングを勉強しているのですが、勉強していると、
AI、機械学習、ディープラーニングなど、いろいろな言葉が飛び交っています。
それぞれの違いはなんとなく判っていたのですが、
一度整理したい、この世界の概要や状況をざっくりと理解したいと思い、
評判の良かったこちらの本をまずは読みました。
著者の松尾先生（東京大学大学院工学系研究科教授、専門は人工知能）は本の中で
「人工知能の現在の実力、現在の状況、そしてその可能性をできるだけ正しく理解してほしい」
と述べている通り、
● そもそも人工知能とは
● 人工知能は何が出来て、何が出来ないのか
● 人工知能によって、何が変わるのか
といったことを、分かりやすく述べられています。
難しい数式などは一切なく、素人でもわかるように書かれています。
出版が2015年なので、2020年現在では少し古く感じてしまったところもありましたが、
概要をさっと理解するにはとても良い本でした。
☑ 人工知能や機械学習などについて勉強したいけど、どこから手を付ければよいのか分からない
☑ AIが流行っているけど、そのうち人間を超えるのか知りたい
こういった方々にお勧めの書籍です！
また、こちらの書籍は日本ディープラーニング協会の推薦図書にも挙げられており、
ディープラーニングG検定を受けようと考えている人にもお勧めです。
（私も近々受けようと計画中です）
勉強したいこと－その１ プログラミング、機械学習－
アウトプットの目的として、学習したことを定着させたい、
何らかの形で記録に残しておきたい、という思いがあります。
いくつか勉強したいことはあるのですが、
今日はそのうちの一つであるプログラミング、機械学習について。
自分の本業はメーカーでの研究開発なのですが、
研究開発の現場でも、近年、機械学習やディープラーニングの技術が導入されつつあります。
そういった技術を取り入れたいという思いは常々あったのですが、
知らないことが沢山あり、どこから手をつければ良いのか、全く分からないような状況でした。
▪そもそも、機械学習とディープラーニング、AIの違いって何？
▪何が出来て、何が出来ないの？
▪パソコンのスペックが必要なんじゃないの？
…etc.
ということで、まずは機械学習について、ざっくり理解する、簡単なものを実装する、というところを目標にしようと思います。
いろいろなネットの記事を参考に、この辺りの本から学習していきます。
人工知能は人間を超えるか ディープラーニングの先にあるもの
松尾豊（著）
www.kadokawa.co.jp
人工知能について概要を知るならこの本、という印象だったため読書開始。
書評は読み終わったら書こうと思います。
ゼロから作るDeep Learning
――Pythonで学ぶディープラーニングの理論と実装
斎藤 康毅（著）
www.oreilly.co.jp
まずは理論を学んで、中身を理解するのが良いと考え、こちらに着手。
評判通りの分かりやすさです。
今はひたすら写経しながら、少しずつ理解を深めているところです。
学生時代の統計基礎、解析学、線形代数がここにきて活きていることを実感しており、
分からないなりに必死に定期テスト対策をやったことが功を奏したみたいです。
なお、Pythonの導入学習としては、こちらの本で基礎を学びました。
www.shoeisha.co.jp
途中断念しかけましたが、本当の初心者でもなんとか最後まで行ける印象です。
他にも、統計検定やDeep learning G検定の受験なども考えていますが、
そのあたりは受験する段階でまた記事を書こうと思います。
