たなブログ 教養を高めて生涯資産を増やすブログ(`・ω・´)

【厳選10冊】AIエンジニアを目指したい方にオススメの本を紹介【目的に応じて勉強しよう】

AIを学ぶ PR 自分の可能性を広げる

こんにちは、ちくたっく(@tictak_py)です。

今回は、「AIエンジニアを目指したい!」という方向けにオススメの本を紹介していきたいと思います。

最近では、AI(人工知能)に関するニュースを目にする機会も多くなってきているので、AIエンジニアに興味を持った方も多いのではないでしょうか?今回は、「これからAIエンジニアを目指してみたい」という方のためにオススメの本を「10冊厳選 」して紹介していきます。

こんな方に読んで欲しい記事です

  • AI(人工知能)エンジニアを目指したい方
  • AI(人工知能)エンジニアになるために必要な理論と実装力を身につけたい方

「AIエンジニアになる」という表現は若干曖昧なので、この記事では「AIエンジニアに必要な理論と実装力」を身につけるために有用な本を解説することを目的とします。また、一応の目安としてJDLA(日本ディープラーニング協会)が開催する「E資格」に合格出来る水準の実力を身につける観点から、オススメの本を紹介していきます。

「AIエンジニアに必要な理論と実装力」をインプットするための書籍を「8冊」E資格に合格出来る水準になった後のオススメ書籍を「2冊」合計「10冊」を紹介していきたいと思います。

ちなみに、E資格で問われる「実装力」については、pythonでのコーディングを前提としているため、「一度もpythonを使ったことがない」という方は、まずは以下の記事で紹介している本を参考にしてみてください。

AIエンジニアを目指したい方にオススメの本を紹介(インプット編)

「AIエンジニア」の全体ロードマップ

本を紹介していく前に、「AIエンジニアに必要な理論と実装力」のロードマップを簡単に紹介しておきます。

AIエンジニアに必要な知識を学習していくにあたって、これから多くのことを学んでいくことになりますが、ざっくり「どんな論点を学んでいくのか」を知っておいた方が良いと思います。なぜなら、AIエンジニアに必要とされる知識は非常に論点が広範囲であり、「今何やっているのか」がわかりにくくなるためです。

これから扱っていく内容をざっくりまとめた図が以下となります。

「AIエンジニア」を目指すために知っておきたい全体イメージ

枝葉部分に書いてある詳細内容は、学習を進める過程で理解出来るようになるのでここでは省略しますが、赤枠で囲われた3つの部分は把握しておいてください。AIエンジニアに求められる実力としては、「ディープラーニング(深層学習)」を中心とした知識に加え、「応用数学」や「機械学習」の知識も必須ということです。

JDLAが公表しているE資格のシラバス(試験範囲)と比較しても、幅広い知識が求められていることがわかるかと思います。

この基本的な流れを知らないと、「AIエンジニアの本を買って勉強始めてみたけど、線形代数とかよくわからない」みたいな事態に陥ることになってしまいます。このことを踏まえた上で、オススメ本を紹介していきたいと思います。

【ディープラーニング編】ゼロから作るDeep Learning①(理論と実装)

まず最初に紹介するのが、「ゼロから作るDeep Learning①(理論と実践)」という本です。
これは、先ほどの全体フローでいうところの「論点①:Deep Learning」に主眼を置いた本となっています。

具体的には、ディープラーニングの流れをpythonを使って「ゼロ」から作る方法を紹介している本で、「NN(ニューラルネットワーク)」と「CNN(画像認識)」を中心に扱っています。

実務的には効率的にコーディング出来るようにフレームワークを使うことが一般的ですが、あえてフレームワークを用いずに「ゼロ」から作ることで、ディープラーニングの根本的な仕組みを理解することが出来ます。

そのため、この本は「E資格」を目指している方だけでなく、「AIエンジニア」に興味があるすべての人にオススメの一冊と言えます。

【ディープラーニング編】ゼロから作るDeep Learning②(自然言語処理)

2冊目に紹介するのが、「ゼロから作るDeep Learning②(自然言語処理)」という本です。
これも、先ほどの全体フローでいうところの「論点①:Deep Learning」に主眼を置いた本となっています。

先ほどは、Deep Learningのうち「NN(ニューラルネットワーク)」や「CNN(画像認識)」が中心でしたが、この本は「RNN(回帰結合型ニューラルネットワーク)」や「自然言語」を中心に解説している本となっています。

時系列データやテキストデータ、Google翻訳のような機械翻訳に使われている仕組みを理解したい方にオススメの本です。

【ディープラーニング編】アルファ碁解体新書

3冊目に紹介するのが、「アルファ碁解体新書」という本です。
これも、先ほどの全体フローでいうところの「論点①:Deep Learning」に主眼を置いた本となっています。

この本は、ディープラーニングの中でも 「強化学習」と言われる論点を中心に解説した内容になっています。難解な強化学習の仕組みを、プロ棋士を負かしたAI囲碁の内容を通じて理解していける点が特徴的です。

「強化学習やアルファ碁のことを知りたい!」といった方だけでなく、「E資格対策として強化学習のイメージを膨らませたい」といった方にもオススメの本です。ただ、NNやCNNといったディープラーニングの基本部分がある程度理解出来ている上で、読み進めていった方がいいと思います。

【ディープラーニング編】深層学習(Goodfellow)

4冊目に紹介するのが、「深層学習(Goodfellow)」という本です。
これも、先ほどの全体フローでいうところの「論点①:Deep Learning」に主眼を置いた本となっています。

今回紹介するオススメ本の中で一番難しく、理論的な内容を解説しているのがこの本です。
個人的な印象としては、E資格の合格を目指している方であれば、この本からも出題されたことがあるので合格率を上げるためにはオススメです。ただ、E資格を受ける予定がない方であれば特に買わなくてもいいかなといった印象ですが、ディープラーニングの理論部分をガッツリ知りたい方であれば手に取ってみてもいいかもしれません。

ここまでが、全体フロー図における「ディープラーニング」部分のオススメ本でした。

【応用数学編】人工知能プログラミングのための数学がわかる本

ここからは、全体フロー図における「応用数学」を勉強していくにあたりオススメの本を紹介していきます。
理工学部出身で数学が得意という方には必要ないかもしれないので、ご自身のレベルに応じて参考にしてみてください。「数学が苦手」という方や「学び直したい」という方は以下4つの本を参考にしてください。

E資格のシラバスを参考にすると、応用数学は主に「線形代数」「確率・統計」「情報理論」の3部構成となっていますが、幅広い論点をわかりやすく学び直したい方であれば、「人工知能プログラミングのための数学がわかる本」がオススメです。

幅広い論点をわかりやすく解説している本なので、まずはこの本を通じて自分のレベルや得意・不得意を洗い出してみるのもアリだと思います。

【応用数学編】線形代数(キャンパスゼミ)

続いて紹介するのが、「線形代数(キャンパスゼミ)」という本です。
これは、全体フローでいうところの「論点②:応用数学」に主眼を置いた本となっています。

応用数学の論点の中で何がネックとなるかは個人差があるかと思いますが、線形代数の理解はディープラーニングをpythonで実装するにあたって結構重要であり、理解しているとかなり役に立ちます。「線形代数って何?」という方もいるでしょうが、主に行列の計算を扱う学問です。

ディープラーニングモデルを構築する時は、基本的には行列計算の繰り返しとなるので、「線形代数がわからない」方や「行列計算を理解しておきたい」といった方にはオススメです。E資格の試験でも、「逆行列」や「特異値分解」に関する計算問題が出題されたこともあるので、E資格受験予定の方はしっかりと理解しておいた方がいいでしょう。

【応用数学編】統計検定2級(公式テキスト&問題集)

続いて紹介するのが、「統計検定2級(テキスト&問題集)」に関する本です。
これも、全体フローでいうところの「論点②:応用数学」に主眼を置いた本となっています。

ディープラーニングとの関連性という観点から言えば、先ほどの「線形代数」の方が重要とも言えますが、当然統計の知識も持ち合わせている必要があります。「既に統計に関する基本的な知識は持っているよ」と言える方であれば不要ですが、「ちょっと統計に自信ないかも」という方であれば統計検定2級合格を目指しながら勉強してみるのもオススメです。

「AIエンジニア」というよりかは「データサイエンス」寄りの知識ですが、いずれにしてもビジネスパーソンにとっては強い武器になるので、こちらもご自身のレベルに応じて参考にしてみてください。

ここまでが、「応用数学」に関するオススメ本でした。

【機械学習編】別記事にまとめています

全体フロー最後の論点は「機械学習」です。
E資格では「ディープラーニング」が中心でありながらも、「機械学習」に関する論点も出題されるので自信のない方は勉強しておいた方がいいです。

こちらは別記事でまとめているので、興味のある方は参考にしてみてください。

AIエンジニアを目指したい方にオススメの本を紹介(実践編)

深層学習ライブラリとは

E資格に合格した後や、AIエンジニアとして実務で働く場合には、今まで紹介した内容とは別に「深層学習ライブラリ」を使えるように勉強していった方がいいです。仕組みを理解するために「ゼロ」から勉強することは有意義ですが、実務でスピード感を持ってプロダクトを作る観点からは「既存のフレームワーク」を利用した方が効率的だからです。

有名なものだけですが、ざっくりした「深層学習ライブラリ」の概要は以下の通りです。自分が働く会社で使っているライブラリを確認した上で、どれを学んでいけばいいか決めることをオススメします。特になければ、「PyTorch」がオススメです。

「深層学習ライブラリ」のイメージ

実践編オススメ本①:つくりながら学ぶPyTorch

深層学習ライブラリとしてPyTorchを学びたい方にオススメなのが「つくりながら学ぶPyTorch」という本です。細かい内容は本書を読んで頂ければと思いますが、幅広い論点を網羅していて手法の解説が丁寧といった印象です。

基本的なNN(ニューラルネットワーク)に加え、物体検出や自然言語処理、加えてGANなども紹介されているので、理解を深めたい方にはオススメの一冊です。

実践編オススメ本②:ゼロから作るDeep Learning③(フレームワーク)

最後に紹介するのが、「ゼロから作るDeep Learning③(フレームワーク)」という本です。
これは2020年に入って出版された最新&ファン待望の本とも言えます。

先ほど深層学習ライブラリのイメージで「PyTorch」や「Tensorflow」「Chianer」を紹介しましたが、この本はそういったライブラリに共通する機能を「ゼロ」から作ることを目的とした本です。

深層学習ライブラリのうちどれを使うかは環境によって異なりますが、根本的な仕組みを理解したいという方にはオススメの一冊になります。E資格に合格した方や、実務で深層学習ライブラリを使っているけど仕組みがよくわからないといった方は参考にしてみてはいかがでしょうか。

さいごに

今回は「AIエンジニア」を目指したい方にオススメの本を合計10冊ほど紹介してきました。

本の多さからもわかるように、AIエンジニアになるための道のりは決して楽ではありませんが、全体像をイメージした上で自分に足りない部分を一つずつ補っていけば、非エンジニアや文系の方でも目指すことは可能です。

もし「E資格に興味が出てきた」という方がいれば、下記記事も参考にしてください。

今回の記事がAIエンジニアを目指したい方の参考になれば幸いです。
では今回はこのへんで。