• 日本語
    • English (英語)
Avinton JapanAvinton JapanAvinton JapanAvinton Japan
  • サービス
    • Avinton Data Platform
    • エッジ AIカメラ
    • AIサービス開発
    • 画像認識PoC
  • 最新情報
  • アカデミー
  • 採用情報
    • Avintonで働く魅力
    • 求人
    • よくある質問
  • 企業情報
    • 会社概要
    • 代表からご挨拶
    • CSR(企業の社会的責任)
  • お問い合わせ

機械学習エンジニアに必要なスキル

  • Python3.6 と OpenCV のインストール (Ubuntu18.04LTS)
  • ルーティング
  • 見た目を美しくしてみましょう
  • NAT
  • 三目並べ – 2.〇×を交互にゲーム盤に入るようにしよう
  • カート内のアイテム個数を変更
  • 三目並べ – 3.勝敗がつくようにしよう
  • EC2からS3へ自動でぽいぽいアップロードするスクリプトの作成
  • 三目並べ – 4.「スタート」「リセット」ボタンをつけよう
  • 三目並べ – 5.先攻後攻を決めて、コンピュータ対戦にしよう(前編)
  • カートの設置
  • Ruby on Rails を MySQLでセットアップ
  • レイアウト調整
  • 機械学習入門者向け Support Vector Machine (SVM) に触れてみる
  • AWSアカウントの作成と必ずやるべきセキュリティ対策
  • VLAN
  • テスト
  • 機械学習を用いた画像分類
  • Ruby on Railsによる簡単なウェブアプリケーション
  • 正規表現とパイプ
  • 機械学習エンジニアに必要なスキル
  • Ubuntuの設定
  • PostgreSQL Setup
  • REDIS
  • Amazon EC2 インスタンスの初期設定をしよう
  • Pythonの設定
  • GNS3のセットアップ
  • viエディタ
  • AWSのEC2インスタンスでWordPressブログを公開してみよう
  • Pythonでデータベースを操作する
  • Python2.7とOpenCVのインストール
  • ファイル操作コマンド
  • OpenCVのテストプログラム
  • グループとユーザー
  • Pythonで画像を分類するプログラムを作成する
  • AWS CLIをインストールしてコマンド操作しよう
  • Virtualisation and Container (仮想化とコンテナ) – Ansible, Docker and Kubernetes
  • Windows Server 2012 R2 Hyper-V
  • 困った時に使うコマンド
  • PacketTracerのセットアップ
  • 一般グループのユーザーとグループ
  • AWS Route 53を使って独自ドメインのWebページを表示させてみよう
  • プライバシーポリシー
  • VMware ESXi サーバー構築
  • 三目並べ – 6.先攻後攻を決めて、コンピュータ対戦にしよう(後編)
  • フロントエンド開発のための環境構築
  • フロントエンドのデモンストレーション
  • APIのデモンストレーション
  • CISCO 1800ルータセットアップ
  • ファイル検索コマンド
  • ESXi – Switchの追加とVLAN
  • 質問
  • 仮想化環境のディスク容量を拡張する
  • ユーザー権限とアクセス権
  • 三目並べ – 0.導入
  • テキスト処理
  • ESXi - VyOS
  • データベースへのデータロード
  • 機械学習入門者向け Naive Bayes(単純ベイズ)アルゴリズムに触れてみる
  • CCNA
  • ESXi – 小規模ネットワーク 構築
  • ファイル管理
  • 機械学習入門者向け ChainerRLでブロック崩しの学習
  • AWS CLIを使ってEC2のファイルをS3へアップロードしよう
  • CSV import & export – Node.js, mySQL – 1
  • 機械学習入門者向け ランダムフォレストによる Kaggle Titanic生存者予測
  • CSV import & export – Node.js, mySQL – 2
  • PCからルータ、スイッチへのSSH接続設定
  • 【Python入門】Python Numpy チュートリアル
  • SQL 便利な関数
  • PostgreSQLによるデータ分析
  • 機械学習入門者向け 分類と回帰の違いをプログラムを書いて学ぼう
  • NodeJSでWebアプリケーション開発 – React編
  • Pythonによるマルチスレッドプログラミング実践
  • Certbotを使ってSSL証明書を発行し、HTTP通信を暗号化しよう
  • DockerとApacheを使ってWebサーバーを構築しよう
  • NodeJSでWebアプリケーション開発 – React編
  • Ruby on Rails インストール
  • AmazonEC2とVPCでネットワークとサーバーを構築しよう
  • AWS入門者向け 初心者が最初に理解すべきEC2とVPCの基本的な用語解説
  • Linuxとは
  • Pandasによる構造化データ分析
  • カート機能作成
  • Ruby on Rails Academy
  • ショッピングアプリケーション作成
  • ダイナミックルーティング
  • PostgreSQL – Python – Apache – Bootstrap
  • 三目並べ – 1.ゲーム盤を作ろう
Home Academy 機械学習エンジニアに必要なスキル

コアスキル

Linux

最低でもLPIC level 1レベルのLinuxスキルを推奨します。

環境を操作するのにどのコマンドを使用すればよいかわからずに時間を無駄にする、といったことがなくなります。

既にエンジニアとして、LinuxあるいはMacOSのコマンドラインの経験がある方は必要ない場合もあります。

Pythonプログラミング

Pythonでのプログラミングにおけるしっかりとした基礎も必要です。

Pythonでのプログラミングの基礎がしっかりとしていれば生産性が上がりますし、プログラム内の文法エラーの修正よりも機械学習自体に集中できます。

Pythonの概要を網羅しているよい教材として、こちらPython 3 bookをお勧めしておきます。

また、よく使うPythonの基礎やモジュールを簡潔にまとめている教材としては、スタンフォード大学のPython Numpy Tutorialをお勧めします。このチュートリアルはAvintonアカデミーにて翻訳されました。

機械学習ではPythonのコードを毎日見ることになるでしょうから、Pythonを基礎からしっかりと理解しておくことは後々の効率アップに必ず役に立つはずです。

Pythonにはよく慣れ親しんでおきましょう。

Python Logo Avinton

機械学習モデルの開発環境

Pythonでの機械学習で最もよく用いられる環境はJupyter NotebookとAnacondaです。

これらのセットアップは以下のリンクをご覧ください。

Jupyter Notebook
Anaconda
Jupyter & Anaconda setup for Machine Learning in Python (Avinton Academy)

Jupyter Anaconda Avinton

機械学習の基礎

Pythonだけでも機械学習は始めることができて、こちらPython Deep Learning bookでPythonでのプログラミングから機械学習にスムーズに移行することができます。

以下は機械学習の基礎に関する入門者向けのチュートリアルになります。

ChainerRL (Avinton Academy)
Random Forest (Avinton Academy)
Naive Bayes (Avinton Academy)
Classification vs Regression (Avinton Academy)
SVM (Avinton Academy)

Avinton Machine Learning

機械学習ライブラリとフレームワーク

アプリケーションや環境、解決したい問題によって、適する環境やライブラリ、フレームワークは異なる可能性はありますが、今日よく使われるものは以下になります。

TensorFlow
Keras
Scikit Learn

これらにも習熟しておくとよいでしょう。

Avinton Machine Learning Libraries and Frameworks

データ分析

解決したい問題の種類によって、データの処理と分析が必要になる場合があります。

SQL

大きな組織では、データは巨大なリレーショナルデータベースに保存されていることが多いです。データの操作にはSQLを用います。SQLは非常に強力な言語で、複雑なデータ分析をたった数行のシンプルなコードで行うことができます。

中でもPostgreSQL databaseは最も開発が進んだオープンソースのデータベースであり、こちらを習得しておくことをお勧めします。

Python – Numpy

機械学習に向けたデータの前処理の段階で、データの加工が必要な場合が多々あります。Python Numpyはデータの加工や分析に必要な数学関数が広範に用意されており、かなり高度なものまで利用可能です。

こちらのリファレンスNUMPY API referenceでNumpyにも習熟しておくことをお勧めします。

Pandas

PandasはPythonでデータ構造を扱う(データ分析を行う)際に使われるライブラリです。Numpyの機能を拡張することができます。

こちらのリファレンスPandas API Referenceでどの関数が自分のデータの加工に必要か知ることができるでしょう。

Avinton Data Analyses

OpenCVでの画像処理

今日のビジネスにおける多くの機械学習プロジェクトでは、AIを物体検知あるいはその他の画像分析系のタスクに用いています。

それらのプロジェクトでは通常、OpenCVを画像のラベル付けやその他必要な前処理に使用します。

以下にいくつかチュートリアルをあげておきます。

Python OpenCV setup (Avinton Academy)
OpenCV simple Exercise (Avinton Academy)
OpenCV Advanced Exercise (Avinton Academy)

OpenCV

オンラインコース

Stanford Machine Learning – Coursera – Andrew Ng
こちらはYouTubeでも視聴可能です。

Coursera Deep Learning

FastAIにもフリーの良質なコースが用意されており、Computational Linear Algebra courseは特におすすめです。

 

レクチャーシリーズ

Deep RL Bootcamp
Andrej Karpathy’s CNN course at Stanford (YouTube) – Stanford University (CS231n: Convolutional Neural Networks for Visual Recognition)
Sergey Levine’s Deep Reinforcement Learning Course – UC Berkeley (CS 294: Deep Reinforcement Learning)
Learning Machines 101 by Richard Golden
Practical Deep Learning For Coders, Part 1 – fast.ai

Avinton Machine Learning - Study Resources

インフラの基礎

機械学習は通常、多くのコンピュータリソースを使いますので、インフラの基礎を知っておくことも重要です。使用しているサーバを最大限に活用し、モデルの学習を効率よく進めていきましょう。

Server Resources: CPU / Disk / RAM

Avinton Academyの研修プログラムで、このエリアの基礎を学ぶことができます。ぜひ次回のセッションに参加してみてください。

CPU vs GPU

多くの場合、機械学習モデルの学習には効率を考えてGPUが用いられます。GPUがどのような仕組みで動いていて、なぜ特定のタスクではCPUより計算が速いのか知っておくとよいでしょう。

こちらはAvinton Academyのインフラワークショップ2日目で扱う内容です。

仮想化の概念

ほとんどの場合、開発環境は仮想マシン上に構築されるでしょう。ですので仮想化の概念を知っておくことも大切です。

これにはサーバ上で実際にVMWare ESXiを1からセットアップし、ハイパーバイザーのウェブGUIを用いてホスト仮想マシンを作成してみるのがよいでしょう。

こちらもAvinton Academyのインフラワークショップで扱っています。

AWS EC2

多くのAIプロジェクトはクラウド上にデプロイされます。AWS (Amazon Web Services)は数あるクラウドサービスの中でも群を抜いており、AWS(EC2 platform)に習熟しておくことも必要となります。

こちらAWS’s official documentationがリファレンスで、Avinton Academyページにもチュートリアルhow to work with AWSがあるのでぜひ参考にしてみてください。

Dockerコンテナ

1つのシステムから別のシステムに環境を複製するのに、Dockerコンテナがよく用いられます。Dockerコンテナに習熟しておき、自分の環境をDockerコンテナ化することで他のチームメンバーとの環境のシェアに備えておくとよいでしょう。

あなたも、Avintonでこのような最先端技術に日常的に
取り組んでみませんか?

優秀なエンジニアの成長を導きながら、AIやビッグデータなどの最先端技術を活用していくことが私たちのビジョンです。
Avintonの充実した技術研修でスキルアップを図り、あなたのキャリア目標を達成しませんか?

採用情報
Avinton Machine Learning Infrastructure

採用情報

採用情報

Search

タグ

2017 2018 AI Avinton Avinton Academy Avinton Japan Avintonジャパン DX HTML Linux Python Ruby Webエンジニア アビントン アビントンジャパン アヴィントン アヴィントンジャパン イベント インフラエンジニア エンジニア グローバル サーバーエンジニア データサイエンス データサイエンティスト データベース データ解析 ニュービジネス研究会 ネットワークエンジニア ビックデータ ベンチャー 勉強会 就活 就職活動 成長 技術インターン 採用 新規事業 横浜 機械学習 機械学習エンジニア 派遣 第二新卒 経営者交流会 英語 起業
© 2021 Avinton | All Rights Reserved | プライバシーポリシー
  • サービス
    • Avinton Data Platform
    • エッジ AIカメラ
    • AIサービス開発
    • 画像認識PoC
  • 最新情報
  • アカデミー
  • 採用情報
    • Avintonで働く魅力
    • 求人
    • よくある質問
  • 企業情報
    • 会社概要
    • 代表からご挨拶
    • CSR(企業の社会的責任)
  • お問い合わせ
  • 日本語
    • English (英語)
Avinton Japan