【初心者向け】AIの始め方徹底解説【知識ゼロ・プログラミングスキルゼロでOK】

こんにちは、インフラエンジニアのryuです。

今回は、初心者向けにAIの始め方を解説します。私はインフラのエンジニアですが、今後はAIのスキルが必須になると思っています。エンジニアに限らず、どのような人でもAIを使う時代になるはずです。今回は、AIの知識ゼロ・プログラミングスキルゼロだった私がAIを使えるようになった方法を徹底解説します。

※本ページには、プロモーション・アフィリエイトリンクが含まれています

【初心者向け】AIの始め方徹底解説
AIは今後の必須スキルになる！

【初心者向け】AIの始め方徹底解説

AIって最近流行っているけど、どうやって始めたらいいの？

AIを始めようと思っている人「AIは最近流行っているけど、どうやったらいいの？AIを使うのは難しいのでは？文系で数学やプログラミングできないしな～？」

このようなイメージを持っていませんか？そのような人のためにAIの始め方を徹底解説します。

AIの始め方は以下の通りです。

AIの始め方手順

Pythonを習得する
KerasでAIを作ってみる
数学の勉強＋AIの理論の勉強

私は、工業高校卒業で機械系の勉強をしていました。学生時代は、数学の勉強やプログラミングの勉強は全くしていませんでした。なので、知識とスキルは0の状態からの始め方を紹介します。

1.Pythonを習得する

AIを作るには、Pythonというプログラミング言語を習得する必要があります。

Pythonとは、データサイエンスや数値計算、Webアプリケーションなど様々な用途で使われるプログラミング言語です。

特徴は、コードがシンプルでプログラミング初心者の方でも分りやすい言語です。

Pythonを勉強する方法は、以下の通りだと思います。

Udemyで勉強する
プログラミングスクールで勉強する
参考書を読んで勉強する

この中で一番オススメはUdemyで勉強することです。理由は、圧倒的にコスパがいいからです。

プログラミングスクールは高価ですし、参考書は難しすぎて挫折します。Udemyは動画で学習でき、とても分かりやすい内容になっています。動画の通りコーディングを進めていけば、一通りのプログラミングスキルが身に付きます。

Udemyの中でオススメの講座はこちらです。

現役シリコンバレーエンジニアが教えるPython 3 入門 + 応用 +アメリカのシリコンバレー流コードスタイル

Pythonを効率良く身に着ける勉強方法については、こちらの記事で詳しく解説しています。

2.KerasでAIを作ってみる

Pythonを習得したら、AIを作ってみましょう。

AIを簡単に作成できるライブラリがKeras(ケラス)です。

KerasでプログラミングしたAIがこちらになります。中身はまだ理解しなくて大丈夫です。

import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K

batch_size = 128
num_classes = 10
epochs = 12

# input image dimensions
img_rows, img_cols = 28, 28

# the data, split between train and test sets
(x_train, y_train), (x_test, y_test) = mnist.load_data()

if K.image_data_format() == 'channels_first':
    x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
    x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
    input_shape = (1, img_rows, img_cols)
else:
    x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
    x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
    input_shape = (img_rows, img_cols, 1)

x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
print('x_train shape:', x_train.shape)
print(x_train.shape[0], 'train samples')
print(x_test.shape[0], 'test samples')

# convert class vectors to binary class matrices
y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])

model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])

こちらは画像判定のAIとなります。約60行くらいでAIの作成が可能です！

Kerasの勉強方法は、こちらのUdemyの動画で勉強することをオススメします。