AI各種分野の最新技術お気持ちキャッチアップ術
結論、Survey論文がすらすら読みこなせて理解できる or キャッチアップにふんだんに時間が使える人以外は「各種コミュニティが出している最新技術報告動画を見る・報告会に参加する」 or 「信頼のある機関が作成してるまとめスライドをみる」が早いと思っています
僕はキャッチアップしたい最新技術がある場合はこれらが公開されていないかまず探しにいきます
最新技術を調べる方法としては、以下のようにたくさんあります
1. シンプルに論文検索サイトから論文を調べて読んでいく
メリット：いっちゃん理解が深まる
デメリット：時間かかりすぎ、専門外だったらそもそも基礎知識の勉強必要
2. Survey論文を読む
メリット：早く、網羅性高く、確度の高い理解
デメリット：専門外だとなかなか理解できない
3. Qiiitaやはてなブログなどの解説記事をみる
メリット：わかりやすい
デメリット：網羅性がない、本当に正しいのか信頼がもてない
4. 信頼のある機関が作成してるまとめスライドをみる
メリット：わかりやすい、信頼性もある、網羅性もある
デメリット：最新技術だとそもそも公開されてない領域も多い、やはり専門外だとわ
5. 人に聞く
メリット：いっちゃんいいね
デメリット：そもそも知りたい分野のプロと知り合いじゃない可能性があるし、時間を使ってもらうの申し訳なさすぎる
6. 技術報告動画を見る
メリット：ああああああああ
デメリット：あああああ(テキトーになってきた)
この記事を読む人の属性で場合分けして書こうと思ってたんですが、めんどくさくなってテキトーメリデメになりました、許してください。。とりあえず↓のリンク集は役に立つと思うので、上は全部忘れて下のリンクを見てください
後で加筆します
良さそうなキャッチアップリンク例を載せておきます
xpaper.challenge
シンプルに神コミュニティです
CV, NLP, ROBOTの技術トレンドについていきたいけど流石に一人でサーベイする時間がない！って人はどうぞ
日本ディープラーニング協会主催「NeurlPS 2021技術報告会」
https://youtu.be/szEBiH-XdUw
似たような技術報告会をいろいろやってます
conpassやろうやconpass
AI初心者の方はG検定 or E検定の教科書かって勉強したら、全体像は俯瞰できるようになる気がします
G検定
E検定
医療AI研究所
毎月最新論文の報告会やってます
https://scrapbox.io/files/63b2c644a18606001d3e5e7d.png
コンピュータービジョン勉強会
その名の通りコンピュータビジョンの勉強会です。 今までの活動として + 「コンピュータビジョン最先端ガイド」読み会 + CVPR、ICCV、ECCVなどのトップカンファレンスの論文読み会 + OpenCVや点群処理などをテーマにした発表会 + コンピュータビジョンに関するハッカソンなどを行ってきました。 今後も様々なテーマで隔月くらいで勉強会を開催していきます。
↑説明はコピペです
東大松尾研HP
いろんなサーベイスライドを共有してくれてます
名工大玉木研究室HP
CVに関するリサーチスライド多数
DeNA + MoT AI関連勉強会資料集
話は変わりますが、松尾研がAIの学習ロードマップをまとめてくれていました
スタンフォードの学習リンク
ロードマップ仮説(後で編集します、テキトーです)
①概要を知る
~10hぐらい?
②数学をの基礎を学ぶ
線形代数
微分積分
統計学
大学でそこそこ数学をやっていた人なら0h
大学数学はテキトーにすましたが、高校数学は固まってる人なら大事なところだけやれば~30hぐらい？
数学がマジで苦手、高校数学が思い出せないって人は無限時間消費する可能性があるので、とりあえず先に進んでも良い気がします(原理がわかっていなくても使えるには使えるので)
③プログラミングの基礎を学ぶ
Python
よくある文法とかソートとかのアルゴリズムの基礎だけなら10~20h？
④Pythonによるデータ分析やライブラリを学ぶ
Numpy, Pandasなど
10hぐらい？
⑤機械学習の基礎を学ぶ
教師あり学習、教師なし学習やらの概念を学ぶ
scikitlearnで、線形回帰やらロジスティック回帰やらランダムフォレストやらクラスタリングやらを学ぶ
20hぐらい？
⑥深層学習の基礎を学ぶ１
MLPの理解を目指し、パーセプトロン、勾配降下法など最適化手法、誤差逆伝播やらニューラルネットワークの基礎を学ぶ
線形代数、微積、統計の基礎がわかると仮定すると、20hぐらい？
わかっていないと、つまずいてもっと長時間かかるかもしれません
⑦深層学習の基礎を学ぶ２
DNNの応用として、CNN、RNN、GANやらを学ぶ、応用としてのCV・NLPを学ぶ
20hぐらい？
⑧深層学習の基礎を学ぶ3（コストも高いし、主な応用先であるCV・NLPの勉強進めるには関連性薄いので飛ばしても良い気はします）
深層強化学習を学ぶ
20hぐらい?
⑨練度を上げる(突然解像度が下がった)
論文を読めるようになる
論文を実装できるようになる
KaggleやSignateなどのコンペに出る
AIプロダクトを作ってみる
数千h~
Practical Deep Learning
AIの情報収集