【初心者向け】未経験から独学でAIエンジニアになるための勉強法を紹介

こういった疑問に答えます。

近年、AI(人工知能)や機械学習などといった言葉もよく聞くようになり、様々な企業がAI導入を進めていることにより、AI人材も需要が高まるばかりです。

AIエンジニアと聞くと「一般的なエンジニアより難しそうだな・・」とか「天才しか無理なんじゃない？」と考える方も多いのではないでしょうか？

たしかに、AIエンジニアになるのは簡単ではないですが、未経験からでも十分に目指せますし、独学でもAIや機械学習を学ぶこともできます。

というわけで今回は、AIエンジニアに必要なスキルを元に未経験から独学でAIエンジニアになるための学習方法を紹介したいと思います。

AIエンジニアとは？

そもそもAIエンジニアとは、AI(人工知能)の開発やAIを使ったデータ解析などを行う技術者のことを指します。
具体的には、AIの研究・開発、AIによって蓄積されたデータの解析などがAIエンジニアの仕事です。

AIエンジニアの仕事は、大きく分けると
・プログラミング系(機械学習エンジニア)
・アナリティクス系(データサイエンティスト)
の2つに分類されます。

機械学習エンジニアは主にAIの研究や開発を行い、データサイエンティストは主にAIが学習したデータを解析しプログラムの改善をします。

どちらもIT業界の中でも比較的新しい職種なので仕事上の役割が不明確ではありますが、AIエンジニアとして必要な基礎知識は同じです。
その上で機械学習エンジニアにはシステム実装に必要な技術力、データサイエンティストには数理統計を用いた分析力が求められます。

AIエンジニアになる方法・キャリアパス

先に言ってしまうと、プログラミングの知識もなくIT業界で働いたこともなく大学などでAI関連の専門的な分野を学んだことがない完全未経験でAIエンジニアになることは、かなり難しいです。

逆を言えば上記のどれかを経験していれば可能性はありますし、今は未経験でもAIエンジニアになれる方法はあります。

そこで、AIエンジニアになる一般的な方法を3パターン紹介します。

①：PythonやRエンジニアからAIエンジニアとして社内異動もしくは転職

PythonやR言語といったAIと馴染みの深い言語を扱うエンジニアは、そのままAIエンジニアとして転職することもできます。
ただ、プログラミングスキルの他にAIの技術を身に付けているともっと良いので、AIのプログラミングスクールに通ってから転職しても良いと思います。

また転職ではなくても、社内でAI開発している企業とかに就職して、社内異動を狙うことも可能です。

現在エンジニアでなくプログラミング未経験者でも、プログラミングスクールなどに通ってポートフォリオを作成できれば、AIエンジニアとして転職することもできなくはないですが、基本的にはプログラマーやエンジニアとしての実務経験がある方が転職しやすいですね。

②：大学・大学院卒業後に新卒でAIエンジニアとして就職

新卒でAIエンジニアを目指す場合は、情報科学系の大学に進学しましょう。

AIエンジニアとして活躍するためには、数学や統計の知識はもちろん、コンピュータサイエンスの知識が必要です。
そういった専門技術の知識があると認められれば、新卒でAIエンジニアとして就職することも可能です。

就職後に独学で勉強してAIエンジニアを目指すよりスムーズに憧れの職業に就くことができます。

③：プログラミング未経験からポテンシャル採用

別の職種に就いていて、プログラミング未経験でもPythonエンジニアとしてポテンシャル採用された後に、AIエンジニアとして活躍するケースもなくはないです。
とはいえ、これに関しては運やタイミングなどもあるので極めて稀ですね。

この場合だと、Pythonエンジニアとして実務経験を積んで、AIエンジニアとして転職するのが良いでしょう。

スポンサードサーチ

AIエンジニアに最低限必要な知識、スキル

具体的な業務内容によっても変わってはきますが、基本的にAIエンジニアには、主に次の6つの知識やスキルが求められます。

①：プログラミングスキル(Pythonやライブラリ)

AIエンジニアですので、当然プログラミングスキルが必要です。
プログラミング言語にはたくさん種類がありますが、AIエンジニアを目指すのであれば機械学習やデータ解析などでよく使われる「Python」を習得しましょう。
Pythonという言語自体は比較的習得難易度も低いので、未経験の方でも学びやすい言語と言えます。

また、Pythonには便利なライブラリがたくさんあります。
その中でも、機械学習でよく利用される「NumPy」と「Pandas」は習得しておくと活躍の場が広がります。

②：データベースの運用知識

プログラミングを扱うには、SQLを使ってデータベースを操作する知識も必要です。

「データベース」とは、ある特定の条件に当てはまる「データ」を複数集めて、後で使いやすい形に整理した情報のかたまりのことを表します。
特にコンピュータ上で管理するデータをデータベースと呼びますが、イメージしやすく言うと、電話帳とかですかね。

データベースの知識とは具体的に言うと、select、insert、update、delete、where、limit、order by、テーブル結合などなどです。
調べればすぐに分かるので完璧に理解する必要はないですが、どんなことができるのかは知っておいた方が良いですね。
できることがわかっていれば、調べることができるので。

③：数学の知識

AIエンジニアとして活躍するには、数学的な知識も必要です。

特に必要なのは「微分積分」、「線形代数」、「ベクトル」、「行列」、「確率」ですね。
いわゆる大学受験レベルの知識です。

なぜAIエンジニアに数学の知識が必要かと言うと、人工知能のアルゴリズムに数学の計算式が使われることが多いからです。
日常的に数学の問題を解くとかではないですが、数学の知識があるとアルゴリズムを理解することができるということです。

④：データ分析や統計解析の知識

日々膨大なデータを扱うAI開発の領域では、データ分析や統計解析の知識も必要です。

近年よく聞くようになったビックデータは、単に大量のデータというわけではなく、様々な形をした、様々な性格を持った、様々な種類のデータのことです。
ビックデータを扱うにも、分析スキルや統計解析スキルが必要になります。

⑤：機械学習の基礎知識

AIエンジニアにとって、機械学習の知識は欠かせないです。
機械学習の基礎知識とは、主に次の4つです。

• 機械学習の基礎：教師あり学習と教師なし学習、単回帰、重回帰分析など
• 機械学習のアルゴリズム：決定木、ランダムフォレスト、サポートベクターマシーン、ディープラーニングなど
• 機械学習の開発環境：言語(Python)、scikit-learn、TensorFlowやKerasなどのフレームワークの知識など
• 機械学習の開発手法：データの可視化、データの前処理、特微量の設計、モデル開発、モデル評価

機械学習の知識は、基礎だけでも領域が広くマスターするのは簡単ではありません。
完璧である必要はないですが、ある程度の基礎知識は必要です。

⑥：ビジネススキル

これはどんな職種も同じですが、社会人としてのビジネススキルも必要です。

開発者は、一人でPCに向かって黙々と作業をするというイメージを持っている人が多いと思いますが、実際には開発チームのメンバーやクライアントとのコミュニケーションを取りながら業務を進めていきます。
なので、コミュニケーションスキルも必要です。

独学でAIエンジニアになるための学習方法

さて、未経験でAIエンジニアになるのは難しいと言いましたが、独学で勉強をして知識をつけることができれば、実務未経験でもAIエンジニアとして働ける可能性もあります。

実務経験をつけるにしても、AIや機械学習の基礎知識はどちらにせよ必要なので独学は必須でしょう。
ここでは、未経験から独学でAIエンジニアになるために学習すべき内容を、上で紹介した必要なスキルを元に、学習方法も解説しようと思います。

まずは、学習することをステップ①〜⑥で紹介します。

１. 人工知能の基礎

まずは、人工知能の基礎の学習ですね。
基礎学習といっても、本を1〜2冊ほど読めばOKです。

①人工知能は人間を超えるか ディープラーニングの先にあるもの

まず1冊目は、「人工知能は人間を超えるか ディープラーニングの先にあるもの」です。
著者である松尾豊さんは、人工知能の研究家として第一線で活躍されている方です。
人工知能の歴史や具体例などを踏まえて、人工知能の基礎をわかりやすく解説してくれて、今現在ある人工知能の本で最も人気の本ですね。

②AI vs. 教科書が読めない子どもたち

2冊目は、「AI vs. 教科書が読めない子どもたち」です。
ビジネス書大賞2019年で大賞を受賞した本で、数学者、国立情報学研究所社会共有知研究センター長である著者が、AIと人間がどのように共存していくべきかをまとめた本です。
AIにできること、できないことが非常にわかりやすく書かれているのでとても読みやすいです。

２. Python言語の学習

人工知能の基礎を学べたら、Pythonを学習しましょう。
Pythonの学習手順としては、独学の場合だと、
①書籍で基礎を学ぶ
②オンラインサイトで手を動かしながら学ぶ
③実際にサイトを作ってみる(ポートフォリオ作成)
④番外：プログラミングスクールに通う
こんな感じです。

もしくは、独学だとできるかわからないよという人は、プログラミングスクールに通ってしまうのもありだと思います。

ひとまず基礎を本で学んでスクールに通うか独学で勉強するか決めてもいいと思います。

①書籍で基礎を学ぶ

基礎学習と言っても、本を1冊読めばOKです。

書籍で基礎学習：いちばんやさしい Python入門教室

紹介する本は、「いちばんやさしい Python入門教室」です。
タイトル通り初心者にはとてもやさしく、全体的にカラーで見やすいので挫折せずに読み進められます。
前半は基礎で後半は応用ですが、実際に手を動かしながら学習していくスタイルなので、楽しく勉強できます。
プログラミングに関する知識がゼロでも問題なく読み進められるので、入門書として最適の本です。

②オンラインサイトで手を動かしながら学ぶ

世の中には、オンラインでプログラミングを学べるサイトがたくさんあります。
おすすめなのは、Progateで実際に手を動かしながらプログラミングを書いてみてPythonってどんな風に書くのかを知る→Udemyでプロが教えてくれる実務レベルのPythonを学ぶと言った感じですね。

Progateで初歩的なPythonのコードを書いてみる

Progateとは、イラスト中心のスライドで概要を学んだ後に実際にコードを書いて進めていく、初心者向けの学習サイトです。
すべてオンライン上でプログラミングを学ぶことができるの、環境構築は一切不要、すぐに始められます。

基本的な部分は無料ですが、すべての講座を受けるには有料会員 (月額980円)になる必要がありますが、1ヶ月もあれば終わると思うので、終わったら解約すれば良いかなと思います。

Udemyで実務レベルのPythonのコードを学ぶ

Udemyとは、簡単に言うとオンラインでプログラミングやWEB技術、投資など様々なことを学習できるサイトです。
10万以上の多彩なコースがあって、無料のコンテンツもありますが、基本的にコースは買い切り制なので自分のペースで学習することができます。

その中でおすすめなPythonの講座が上記の画像のものです。
実際に自分も買ってコースを受講しましたが、コードを書く時の考え方や実務レベルでのコードの書き方も知ることができたし、反対にバグにつながりやすいコーディングも解説されていてかなり勉強になりました。

シリコンバレーで現役エンジニアの方が講師で教えてくれていて、レビューもかなりいいです。
画像でわかると思いますが、正規の値段は24,000円ですが、月に1~2度開催されているセールでは1,500円前後で買えるので、買う際はちょいちょいサイトをチェックしながらセールの時に買いましょう！

③実際にサイトを作ってみる(ポートフォリオ作成)

Pythonをある程度理解できたら、ポートフォリオを作成してみましょう。
特に、実務未経験からAIエンジニアを目指す場合は、ポートフォリオがすごく重要になるので必須です。
一度Pythonエンジニアとして就職する場合も、ポートフォリオがあると転職しやすいし理解も深まるので結構良いですよ。

自分で一からPythonを使ったサイトやサービスが作成できれば、Pythonの学習はひとまず完了で良いと思います。

④プログラミングスクールに通う

独学でプログラミングを勉強するのは大変そうだなと思う人は、プログラミングスクールなどに通って習得するのもありだと思います。
ポートフォリオまで作成できますからね。

コストはかかりますが、実際にAIエンジニアとして働けるようになったら一瞬で回収できると思うので問題ないかなと思います。

おすすめのプログラミングスクールは、別記事の現役プログラマーがおすすめすプログラミングスクール3社【口コミも】で紹介しています。
オンライン完結型のスクールもあるし無料体験ができるスクールもあるのでよかったらぜひ。

３. 機械学習プログラミング

Pythonが学習できたら、機械学習プログラミングを勉強しましょう。
こちらは、本を読みつつ実際にコードを書いて勉強するとより理解が深まります。

機械学習プログラミングの学習でおすすめな本は、次の2つです。

①Pythonではじめる機械学習

まず1冊目は、「Pythonではじめる機械学習」です。
機械学習の一般的な手法を網羅的に扱っているので、繰り返し読んで写経することで理解を深めることができます。
Pythonで機械学習を学ぶ上では、避けては通れない本と言っても過言ではないくらいに良書で、持っておきたい本ですね。

②[第2版]Python機械学習プログラミング

2冊目は、「[第2版]Python機械学習プログラミング」です。
こちらも、Pythonによる機械学習プログラミングを網羅的に学ぶことができ、基本的に実装の流れになっているので、より深く理解することができます。

４. SQL、スクレイピングの知識をつける

SQLの知識も当然必要になってきます。
ここでは、SQLを使ってデータ分析ができるようになるための学習方法を紹介していきます。
学習手順としては、
①ProgateでSQLの基本を学ぶ
②SQLを使ってデータ分析をする
③スクレイピングの習得
です。

①ProgateでSQLの基本を学ぶ

まずは、SQLの基礎を学習しましょう。
SQLもPythonのところで紹介した、Progateで学べます。
実際にSQLを書いたりもできるのでかなり良いですよ。

②SQLを使ってデータ分析をする

SQLの基礎が学べたら、SQLを使用したデータ分析について学びましょう。
こちらは、書籍で学習すればOKです。

ビックデータ分析・活用のためのSQLレシピ

紹介する1冊は、「ビックデータ分析・活用のためのSQLレシピ」です。
ビックデータのような、様々な形をした、様々な性格を持った、様々な種類のデータに対してSQLでどのように処理を行えば良いかを、まさに料理のレシピのようにわかりやすく解説されています。
SQLの書き方だけでなく、集計結果の読み方や分析の仕方なども詳しく解説されているのでとても理解が深まります。

③スクレイピングの習得

データ収集は、データベースから行うこともあれば、スクレイピングで行うこともあります。
なので、スクレイピングの技術習得もしましょう。
ちなみに、スクレイピングとは、Web上からデータを収集するために使う技術です。

スクレイピングについては、書籍で学習すればOKです。

①増補改訂Pythonによるスクレイピング&機械学習 開発テクニック

まず1冊目は、「増補改訂Pythonによるスクレイピング&機械学習 開発テクニック」です。
スクレイピングや機械学習で何ができるかを実戦形式で学習できます。

②Pythonクローリング&スクレイピング[増補改訂版]

2冊目は、「Pythonクローリング&スクレイピング[増補改訂版]」です。
スクレイピング以外にも、様々なデータ収集のスキルを学ぶことができる良書です。

５. Kaggleに挑戦

機械学習についての一連の知識を身に付けたら、Kaggleに挑戦してみましょう。
Kaggleとは、世界中の機械学習やデータサイエンスを行っている人が集まるコンペティションサイトです。
企業や政府などが分析してほしいデータを載せて、ユーザーが分析をして精度を競います。
上位に入ると賞金をもらえたりもします。

ちなみに、まだ勉強したての初心者におすすめの機能がありまして、「Kernels(カーネル)」という機能で、各データセットに対して他のユーザーが構築した予測モデルのコードや説明が公開されています。

Kaggleは、データサイエンティストへの最速の近道とも言われるほどかなり勉強にもなるプラットフォームなので、覗いてみましょう。

６. ポートフォリオ作成

ここまで、Pythonのスキルや人工知能、機械学習について学んできました。
最後にポートフォリオを作成しましょう。

Pythonの学習のところで作成したポートフォリオをいじってAIアルゴリズムを含んだポートフォリオにしてみても良いでしょう。

ここまで来れれば、独学からAIエンジニアになるのも夢ではないでしょう。

スポンサードサーチ

おわりに

いかがだったでしょうか？
正直、独学からAIエンジニアを目指すのは大変です。
いちばん手っ取り早いのは、Pythonの学習(プログラミング)はスクールで勉強するかもしくは2~3年就職して実務レベルをつけるのが良いかなと思います。

というわけで今回は以上です。