ソフトウェア・サービスに関する技術を身につけるために勉強しているところですが、この分野を深掘りすると芋づり式に繋がる技術にも興味が出てしまいます。大学で副専攻で情報工学を勉強していたので初学者ではないものの、「AIを勉強することって、原理的な部分を勉強して、広〜い風呂敷を広げないといけないんだ」と面白いと思ったので、今の頭の中を整理しておくためにNoteしました。

データベース

効率化・最適化のためにAIを使うことで、Deep Learningは欠かせない項目になるのですが、Deep learningを使うには自然と大量のデータが必要になりますので、データベース関連の技術にも目が行くことになります。

SQL

データベースを成すために使われている言語をまた学ぶことになるので、SQLの基礎スキームをまた勉強することになるでしょう。JSONと言うデータの子はSQLと親しい友達です。

Terminal/Command prompt用コマンド

GUIではない方法でファイル管理をしたり、execution fileを実行したり、ソフトをインストールするために、わざわざ古き良きLinux的なコマンドを覚えます。

Python

AIを簡単に使えるツールセットが集まっているPythonの扉を叩いた瞬間、付属のPandas, Keras, PyCaret, SciPyなどのライブラリと言う別の扉が現れます。Jupyter notebookはコンパイルも併設のボタンクリック一回でできてしまう初心者から経験者まで使っている使い勝手の良いツールです。

Matlab

学校やテクノロジー会社の場合、個人が普通に買って使おうとするには高いmatlabも使わせてくれることも多数。高いですが、GUIボタンもあったり、コンパイラもついていたり、個人的にはmatlabが使い方としては一番優しいなと思っています。

Cloud service系API

クラウド系のサービスで、AWS・Azureなどの様々なものが出ているので、それに応じたAPI等にまた目を通します。

数学

STEM(Science, Technology, Engineering, Mathmatics)を推進している世界的なムードがある中、STEMの親分はやっぱり数学だと思っています。

統計学

データを表現できても、統計学がなければちゃんとした意味を付与できないです。みんな小中高大学など学校で触れたけど、統計学専攻ではなかったので今持っている統計学の知識以外の統計学で十分か？と言う未知の領域があることさえ未知。

勉強していくと、一生勉強しても足りないかもしれないと思うくらい、沢山の技術要素が絡んでいて、振り向くとまさに大学の情報系専攻のカリキュラムが。情報系専攻では研究室等でさらに様々なものをさらに深く学ぶかと思いますが、学習にかかる時間と量が多いですよね。NVIDIAのCEOさんが仰ったように「情報工学を学ぶより、生命工学を学ぶ時代」になり、より簡易に情報工学に触れられる時代も到来することを楽しみにしています。