本記事では、既にAIエンジニアとして一定の活躍はしているが、更に技術に磨きをかけたいという方にお勧めの【機械学習プロフェッショナルシリーズ】についてご紹介したいと思います。

ご興味のあるAIエンジニアの方は是非ご参照ください。

ーーーーーーーーーーーーーー話を聞いた人!ーーーーーーーーーーーーーー

株式会社ビッグツリーテクノロジー&コンサルティング
DX事業部 マネージャー 吉村氏

本シリーズをお勧めしたい層は“中堅AIエンジニア“

既に、機械学習フレームワークやクラウドのAI系サービスを用いてモデルを構築した経験のある人で、手法/モデルごとの特性を理解することで技術選定レベルの業務をこなせるだけの専門性を身に付けたい人、にオススメできます。

シリーズとしては、沢山の本がでているので全て読破するというよりは、自分の興味のある分野or業務として今後使いそうという分野を掻い摘んで読んでみるのが良いと思います。

本シリーズをなぜ推薦するのか

本シリーズの編者(杉山 将氏)は

東京大学大学院教授(基盤科学研究系)、理化学研究所革新知能統合研究センター長であり、

日本学士院学術奨励賞、日本学術振興会賞も受賞されている日本のトップともいえる工学者です。

更に、ビッグデータ時代を牽引している精鋭の現役研究者たちが執筆しているとあって

最新情報が網羅されており、読みやすいようにできるだけ大事な点だけを簡潔丁寧にまとめ上げられています。

レベルアップするなら、その道のプロフェッショナルに学びましょう。

特におすすめしたいのはこの2冊!

【統計的学習理論】

この刊は、発展著しい機械学習分野の基礎理論を丁寧に解説した一冊です。

カーネル法、サポートベクトルマシン、ブースティング、多値判別など、機械学習を学んだ人なら誰でも知っている基本的な機械学習手法ですが、本刊は、これらの手法に統計学的に厳密な定式化を与えた後に誤差の理論評価を示す一貫した構成で、明快な見通しを与えてくれます。こうした見通しは「実装できる」「試行錯誤して精度を高められる」といった段階から大きく飛躍するための足がかりになるでしょう。

また基礎理論という観点では、個別の手法以外にも、例えばVC次元など、現場で気にかけることの少ない概念も丁寧に解説している点も魅力です。2021年7月、人工知能を用いたシステム開発を専門とするグリッド社は、量子機械学習で過学習が抑制される機構をVC次元の上限値評価により立証したとする論文をACMに掲載していますが、このように、最新手法の理論的優位性を理解し一歩先の技術を見据える先見性を身につける観点でも、本刊で紹介されるような基礎理論を確実に抑えておくことが有効です。

【ノンパラメトリックベイズ】

この刊は、無限次元の統計モデリング手法であるノンパラメトリックベイズへの入門の一冊です。

本刊の魅力は、高度な確率論的基礎が前提知識となるノンパラメトリックベイズに対し、そのモチベーションをわかりやすい例から自然に解き明かす構成にあります。具体的には、K-meansを混合ガウスモデルとして再解釈することからはじめ、局所解への耐性の観点でK-meansを改良する混合ガウスモデルのギブスサンプリングによるクラスタリングを解説した上で、K-meansや混合ガウスモデルで次元数を予め決定することの難点が実用性の観点から指摘されます。このとき読者は本刊第5章のタイトルどおり、まさに「『無限次元』の扉を開く」一瞬に立ち会います。そこから、ディリクレ分布の分限次元への拡張が丁寧に示され、「構造変化推定への応用」「因子分析・スパースモデリングへの応用」と章は進みます。

これらの豊かな応用に共通するモチベーションは、次元数を予め固定することの応用上の難しさを乗り越えたい、という点にあります。構造変化推定では、時系列データを複数の生成モデルからサンプリングした系列とみなして、サンプリング元の生成モデルが変化した時点を推定するのですが、言うまでもなく生成モデルの数を前もって知ることはできません。同様に、因子分析・スパースモデリングでは、N次元の観測データ系列をN✕D次元の行列と捉えたとき、これをN✕K次元の潜在因子行列とK✕D次元の因子行列を用いて分解するのですが、ここで介在する次元数Kはやはり、前もって知ることができません。ノンパラメトリックベイズでは、この次元数の未知性を無限次元空間上のモデリングで乗り越えます。このように、一貫して応用上の観点から必要性が説かれることで、高度な確率論的基礎が前提となるノンパラメトリックベイズが実はごく身近で、また極めて強力な手法であることが理解できます。

様々な統計手法及び機械学習手法の中でも特に敷居の高いノンパラメトリックベイズだからこそ、本刊の優れた構成にはその入門として大きな価値があると言えるでしょう。

AIエンジニアのフリーランスという働き方

AIエンジニアの人不足はかなり深刻な問題です。その為、引き合いが非常に多く下記記事でも記載していますが「2025年には3倍の9.7万人、2030年にはなんと5倍の14.5万人の不足が発生する」という調査結果があります。日本でもAIエンジニアは正社員であれば年収700万円~、フリーランスであれば1000万円オーバーは期待できます。

今すぐではなくとも、どんな案件があり、自分ならどれくらいの収入があるのか、興味があれば情報収集は早めにしておきましょう。

弊社では、BTCエージェントという業界でもトップクラスの高額案件を取り揃えたITフリーランス向けのエージェントサービスを展開しています。

もちろん、今後のキャリアを見据えたご相談やそもそもフリーランスになるべきかなどの無料相談も受け付けています。是非一度ご登録下さいませ。

それでは、最後までご一読いただき誠にありがとうございました。