PyData.Fukuoka #1にLT登壇しました
1ヶ月以上前の話になりますが、2018年12月20日に行われた
PyData.Fukuoka Meetup #1 - 年末LT大会 で、LTとして登壇しました。
SlideShareにアップした発表スライドはコチラ。
https://www.slideshare.net/TakEgg0311/python-126340588
テーマとしては、8月から12月に掛けて受講した
AIジョブカレ https://www.aijobcolle.com/ 機械学習講座の経緯と感想、
これから受講しようという方へのちょっとしたアドバイス。
ちなみに普段は業務でKotlinとかPHP、趣味でGoogleAppsScriptは触っているものの、
Pythonについてはこの講座で初めて触れた初心者です。
経緯について
最初にAIジョブカレのことを知ったのは、7月に行われたPyConKyushu2018
ここで登壇されていた森 正和さん(@piacere_ex)の自己紹介から。
当時のスライド、登壇の内容はこちらから。
SpeakerDeck スライド
https://speakerdeck.com/piacere/zui-xin-aiji-shu-kapuserunetutowaku-zhuan-yi-xue-xi-qrnn-wokerasdesakututoshi-zhuang-suru?slide=13
Youtube
https://youtu.be/zTnqS47wygk
機械学習、人工知能に興味はあるものの、実際そのキッカケが無いと思っていたので、
この話を聞いてAIジョブカレを調べ、8月開講の福岡3期生として申し込みました。
内情をちょっと詳しく
AIジョブカレの講座内容について、秘密保持契約の枠を出ない範囲で、
Webサイトには載っていない内容について、少し補足を。
Slackで環境構築手順や講義資料をやりとり
受講者のSlackワークスペースが作られ、
開講前の環境構築手順や、開講後の講義資料の配布、質問もSlackでやりとりします。
ちなみに学習環境は、Anaconda（JupyterNotebook）+Python3.6です。
配布された講義資料は、JupyterNotebookですぐ実行出来るようになっています。
たまに、ライブラリが古かったりして素直に動かないこともありましたが。
講義内容は理論８割、実践２割
あくまで自分の体感で、の話になりますが、
機械学習とは何か、どんな種類があるか、どういった計算方法があるか、
といった理論を押さえていく講義内容でした。
実践については、前述の通りすぐ実行可能な講義資料が配付されるので、
座学内容を確認は出来るものの、更に発展させるという応用は少なめでした。
７回の講座中で、中間課題のような形が１回あった程度でしょうか。
設計をガッチリ組んでからプログラムを組むウォーターフォールタイプ、
情報処理技術者試験で午前の方が得意、という人とは相性が良いかもしれません。
トライアンドエラーで覚える、午後の方が得意という人（私はコッチ）は、
課外の自己学習で実践して、バランスを取った方が良いでしょう。
最終課題は予め作っておく
最終日には最終課題があり、その中に課題に沿った学習モデルの提出があります。
詳細な課題内容は2週間前（7回目終了後）、学習データは最終日当日に渡されるものの、
概要は初日に提示されるので、予め作っておいてOKです。
と言うより、データを貰ってから組み上げようと思ったら詰みます。
データを貰ってから提出までは20分程しかないので、動作させて、微修正できる程度。
自分は辛くも回避しましたが、提出出来なかった方が1人居ましたね…。
修了試験はQ&A形式テストが中心、最終課題はあくまで加点要素と言うことなので、
学習モデルを提出できなかったら修了できない、という訳ではありませんが。
ちなみに福岡3期生の最終課題内容は「従業員の退職予測モデル」でした。
修了後に転職斡旋も行うAIジョブカレとして、なかなか洒落の効いた課題。
作ったモデルに自分を当てはめたらどう出力されるかな？と考えてしまったり。
毎回同じ課題ではないらしいので、今後受講する方は違うかもしれません。
Pythonは十分に勉強しておこう
AIジョブカレのトップページには、機械学習講座の対象者として、
・エンジニア出身者（現在、過去問わずプログラミング経験者、pythonだと尚良し）
・マーケティング出身者（分析経験者、SQLの知見あれば尚良し）
※上記いずれかの経験年数半年以上が目安。学生でプログラミングを学んだ方や理数系出身者も参加可能です。
と、Python自体が分からなくても大丈夫、のように書かれており、
自分もその構えで臨んでしまいましたが、Pythonはもちろん、Pandasをガッツリ使います。
それらを講座中で学ぶ時間は無いので、できれば受講前にPythonを勉強しておきましょう。
課外勉強で食いつくことは出来ても、余裕具合・吸収度合いがだいぶ変わります。
実は、機械学習講座の個別ページにはちゃんとその旨も書いてありますが見落としてました。
※pythonを専門的に教える講座ではございません。python知識に不安のある方は、機械学習講座受講前にPython講座をご受講ください。
やっときゃ良かったPython講座。
とはいえ無事修了して
筆記試験80点、実技試験50点（筆記に時間を取られて時間切れ）、
そして最終提出課題の正解率97.4%で、AIジョブカレ機械学習講座を修了できました。
機械学習講座と、ディープラーニング講座、数学講座も修了することで
日本ディープラーニング協会のE検定受験資格を得る…ということ。
Pythonを改めて勉強し直したいのと、あと貯金とか諸々の理由で見送り中ですが、
いずれディープラーニングについても勉強したいと考えています。
この内容が、同じようにこれから機械学習を勉強しようとする方の助力になれば幸いです。
