AI対応のデータサイエンティストが読むべき3冊

AIのビジネスに利用についてはこちらの記事「AIのビジネス利用とはどのようなものか？その可能性と限界」で解説した。

それでは、実際にAIをビジネスに向けて作るということはどういうことなのか？そのためには、

の3つの知識を得ないといけない。

この記事では、この3つが網羅的に学べるビジネス書(技術書)を解説していきたい。

AIの現場を学ぶ - 基礎の1冊

網羅的にわずか1冊でAI (機械学習) 作成について学べる技術書「RとPythonで学ぶ[実践的]データサイエンス&機械学習」。

この本では、1と2と3がバランスよく配置されている。

AIの頭脳は、Pythonという言語を使って作られることが多い。本書では、そのPythonのプログラミング方法を解説したうえで、AIのモデルを作る際に使われるライブラリ、scikit-learn(サイキットラーン)の解説がある。

もちろん、統計的な知識について解説もあり、まさに、基礎を1冊で学べるのがこの「RとPythonで学ぶ[実践的]データサイエンス&機械学習」である。

実際にAIを作ってために最適な2冊

AIを作る実行環境を学ぶための1冊

「RとPythonで学ぶ[実践的]データサイエンス&機械学習」で紹介されいている実際にPythonをゴリゴリと書いてく方法でもモデルは作成できるが、実際に業務としてモデルを作るとなるとJupter Notebook上で構築するのが一番簡単だ。

そして、このJupter Notebook環境を自身のPC上で構築しても良いが、一番簡単なのはGoogle社が無償で提供しているColaboratoryを活用するのが一番楽な方法である。

この「改訂版 Pythonユーザのための Jupyter[実践]入門」では、より実践的にモデルを作るために必要な、このJupter Notebook環境でどのようにPythonを使って学習データを操作していけばよいのかが学習できる。

なお、モデルを作る上で一番時間がかかることが、学習データの整形であり、そのためには、PythonのPandasというライブラリを多用する。この「改訂版 Pythonユーザのための Jupyter[実践]入門」では、まさに、そのPandasの解説も豊富にされている。

ビジネスに使えるAI＝学習データを作るために最適な1冊

皆さんは、Kaggleというものをご存じだろうか？企業がデータを投稿し、そのデータをもとにデータサイエンティストが、モデルの精度を競争するプラットフォームである。

この「Kaggleで勝つデータ分析の技術」では、そのKaggleで利用されている学習データの生成方法を解説している。

より精度が高いモデルを作るためにはより最適な学習データを作る必要があり、学習データの質と量がモデルの精度に直結するといっても過言ではない。この「Kaggleで勝つデータ分析の技術」では、どのように精度が高い学習データを構築していけるかをKaggleに実際に参加しているデータサイエンティストが解説している。