ここでは研究室外にもopenにしている事前勉強会の「入門編」(全5回) を終えた方々の感想を掲載しています。
2023年度開催
本勉強会ではAIの初学者にとって、特に勉強しづらいと思われる機械学習の全体像を把握するのに役立った。勉強会を通して機械学習で使用される数理モデルの発展の歴史や、それぞれの強みと弱みなど、イメージしやすくなった気がする。また、最新の機械学習研究のトピックなどにも触れていただき、初学者にとってAI関連の論文を読む際にそのアウトラインが理解しやすくなるような知識を多く学べたと思う。
情報科学が専門ではない私にとって、機械学習や深層学習を独学ベースで学ばなければならなかった。機械学習に関しては学ぶ機会が多く、初歩的なモデルを実装してみて予測精度を上げるようなコンペティションに一人で参加したこともあった。しかし深層学習となるとほとんど知識はなく、数学が得意ではなかったため、学習を進めていくことに少し壁を感じていた。
これらの手法を自分の研究、すなわち生命科学の分野に活かしたいと考えても、自身の学習が進むべき方向性の決定に大きな不安が付き纏うのであった。苦手意識を感じる分野の学習を続けるには、それを学んだ後に得られるものの具体的なイメージがどうしても必要になるからだ。そんな中、本勉強会では、画像処理や自然言語処理を中心に、深層学習や強化学習の各手法と最新の動向を体系的に学び、今のモデルには「何ができるか」を知ることができた。これを知ることで、論文で用いられている各種モデルの選定理由と役割を思い浮かべることができ、より深い考察ができるようになったと思う。また、今後自身の研究に活かす際にもどの部分を深掘りすれば良いのか決めるのに役立つと考える。
本勉強会では学部生から院生まで、医療や生命科学にAI技術を活かしたいと熱望する学生の意見を聞くことができ、独学では決して得られなかった刺激を感じ、今まで以上にこの分野への学習意欲を掻き立てられた。さらに、この分野に精通した清水先生の解説からは、教科書や論文には載っていない「肌感」のようなものを少しずつ掴むことができたと思う。
実装経験に乏しい私にとっては更なる深い学習とアウトプットの場が必要である。私自身の研究に活かすために、生命科学に限らず情報科学分野の文献も参考にして、論文等の成果を出すまで継続して学習を続けていく。最後に一緒に参加していただいた学生の皆様と、この会の主催と熱心な解説をしていただいた清水先生に心より感謝を申し上げます。
一冊の本を読み進めながら統計モデル、深層学習、強化学習などについて学んでいきます。扱う内容は初心者向けなのでデータサイエンスの基本的な用語や考え方について最初からしっかりと学ぶことができます。本は入門書のため、難解な専門書と比べて内容が簡潔でとても読みやすいと感じました。さらに、本を読んだだけではよくわからない内容は著者の方のYouTubeの動画を参考にして学習することができます。
勉強会では事前に予習してきた内容を毎回1時間半で解説していただきました。解説を聞くことで自分の理解を確かめることができる上、その内容に関連した新しい知識や用語を知る機会にもなりました。
データサイエンスの勉強を始めるにあたり、参考書選びやスケジュール管理を全て1人で行うのはハードルが高いため、この勉強会に参加してとても良かったと思います。勉強会は週に1回のペースだったので予習が大変でしたが、約1ヶ月という短い期間でデータサイエンスの基礎的な内容を学習できたことはとても有益であったと感じます。
今回得た学びを土台として、今後さらに発展的な内容を学んでいきたいと思います。
ありがとうございました。
この｢入門編｣の勉強会は､データ分析の世界に文字通り入門したばかりの私にとって､この世界を概観する地図を与えて頂けるような､大変貴重な機会でした｡使用するテキストは各項目について簡潔に書かれていて読みやすいのですが､比較的分量が多く､私の様に前提知識に乏しい者にとっては必ずしも簡単に理解できない内容もあります｡この勉強会では､それらをかみ砕いてご説明頂けたうえ､特に知るべき事項､歴史的には重要だが現在は使われていない手法といった補足情報を加えながら教えて頂けたので､独学での勉強より深い理解に繋がったと感じます｡特に歴史的な部分は､近年の機械学習の発展を現場で見続けて来られた清水先生の実感のこもったお話を伺い､さらに最新の事情までを追うことが出来ましたが､そのような機会は多くないと思います｡1回90分間という長さも私にはちょうど良かったです｡実際にデータ分析の技術を身につけるなるための勉強会ではないので､そういったことを期待している方には向かないかも知れません｡しかし､データ分析を学びたいけれども何から手を付けて良いか分からない､色んな手法の名前を見聞きするけれども自分が興味のある解析に適したものが分からない､ネットの情報などで独学で勉強しているけれども知識の整理が難しい､といった方には最適だと思います｡
私は生物科学のバックグラウンドを持つ人間であり、情報技術にはほとんど知識がありません。しかしながら、これからAI技術が医学の発展だけでなく、社会のあらゆる側面に影響を与えていくことを深く認識しています。このコースに参加する際、内容が難しすぎて追いつけないのではないかと心配していましたが、参加してみると、このコースは本当に初心者向けの入門コースです。個人的には、このコースはAIに関連する知識の索引のように感じられ、AIが何であり、現在何ができるのかを理解するのに役立ちます。このコースによって、私は何も分からない状態から、AIに関連する用語を初歩的に理解することができました。また、現在の研究にAIを適用したい場合、どの分野のAI知識をさらに理解する必要があるかを知ることができました。要するに、私のような留学生にとってもストレスのない参加が可能であり、初心者にとっては良い選択肢です。もちろん、毎回の読書会の内容を事前に予習し、復習する時間を割くことは非常に重要です。
この勉強会で扱われている「本質を捉えたデータ分析のための分析モデル入門」は、フルカラーで図やイラストがたくさん使われており、読むことに対する抵抗感は少ないものになっています。それでも、もちろん数式も扱われているため数学的な話が得意でない人には頭から読んで完全に理解していこうとすると難しく、挫折してしまうかもしれません。
ですが、勉強会に参加することで1週間ごとに指定した範囲を読み込んでいく必要があり、自分なりに理解をした上で先生の説明を聞き理解を深めることができました。自習だけではわからなかったところを確認できたり、実際に使うときに考えるべき点や時系列を追ったそのモデルができた経緯の話など、本を読むだけでは知り得ないことを聞けて有意義な時間となりました。
今後、論文を読んでいる際や実践で適しているモデルを探す際には今回の内容がいい足がかりとなり、さらに理解を深めていけると感じました。
ウェットな実験で研究を進めてきた私にとって、バイオインファマティクスの基礎を理論的に学べる本勉強会は貴重な機会だと考え、参加を決めました。私は以前よりBDSCにも参加していますが、活発に行われる議論に追いつけない状況にあり、基礎的な理論の知識の無さを痛感していました。そこで本勉強会への参加にあたり、来たるべきBDSCでの論文紹介の準備として、さらに将来的に自らの研究に活かせるよう予習に臨みました。
勉強会で使用されたテキストは大変分かりやすく、400ページを超える長さを感じさせないものでしたが、私が予習の段階で内容を追えたのは第二回まででした。それ以降（特に強化学習の内容）は、初学者の私にとっては高度なもので、「どう勉強すればいいのか」すら分からない状態でした。しかし勉強会では、清水先生が難解な数式に対しても理解のツボを分かりやすく説明してくださり、私でも理解できるようになりました。このように独学で進めるのが困難な内容に対して、理解のとっかかりを掴めたことが本勉強会の一番良かった所だと感じています。また本勉強会を終えて、BDSCで議論されていることが、少しずつ分かるようになった点に成果を実感しています。
私がこの勉強会に参加した感想は主に３つです。
まず、データサイエンスに限らず全てに通じることだと思いますが、自分で勉強することは大切だと思います。一方で周囲にその分野の指導者がおらず、自分だけで学ぶと、分かったつもりになってしまうことがあります。この勉強会では先生が問いかけをしてくれたおかげで、自分が理解不足な部分に気付くことができただけでなく、勘違いをしていた知識を正すことができました。
また、自習の場合は情報がごちゃごちゃとしてしまいがちですが、この勉強会では体系立てて学ぶことができました。講義内容が順序立てられていたため、自分の知識が整理され、理解しやすくなりました。
情報系の専攻ではない私にとって数式の理解をすることの重要性を認識しているものの、ハードルが高く感じ、なんとなく避けてきました。先生が嚙み砕いて説明してくださったおかげで、数式で理解するハードルが下がったように感じました。
この勉強会に参加することで、自分の勉強方法に対する新たな気づきを得ることができました。
AIシステム医科学特論を受講するにあたって入門講座から受講しました。
社会人大学院生ですが、講義の時間が平日夕方であったため、5回の授業中4回に参加できました。
扱った書籍、「分析モデル入門」、は最低限の予習はして挑むようにしていましたが、AIについて全く無知であった私にとって自力では理解できない内容でした。
受講して最もよかったのは、予習段階ではよくわからなくても、清水先生が内容について、歴史的な流れや重みづけとともに解説してくださったので、とりあえずＡＩの分野で基本となる用語の“響き”に触れることができた点です。また5回のＺｏｏｍ授業で一つの本を最後まで読み切ることができた達成感も得られました。
最も手ごたえを感じたのは、その後ＡＩシステム医科学特論講座の方でＡＩ関連の論文を読んだ時でした。今までであれば全く分からなかったであろうAI論文の”Methods”で、dot product=内積、convolution=畳み込み、などのキーワードに反応でき、論文の流れ、解析のイメージを理解することができました。
今後も授業が進むにあたって何度もこの入門講座で触れた言葉たちの”響き”を思い出すことで、少しずつ理解できることが増えていくのではないか思っています。
勉強会を通じて、機械学習モデルの構造を大まかに理解できるようになりました。開発された順にモデルを学んだことで、モデルごとの違いがより明確になりました。一部理解できないところは、動画を活用して学習しました。
また勉強会では、モデルの名前の由来についても教えていただきました。モデルの名前の背景や元となったアイデアを知ることで、それぞれのモデルの特徴や強みが分かりました。数式を使うと理解しやすかったため、今後は数学的な理解を深めていきたいです。
私は機械学習に関してほぼ知識がなく、BDSCでもモデルの話などになるとついていけなくなってしまっていました。かといって独学での勉強法もよくわからず、そういうものなのだと妥協してしまっていて理解を深めることができていませんでした。しかし、今回勉強会の機会をいただき、「本質を捉えたデータ分析のための分析モデル入門」という本を予習・復習して清水先生の解説を聞くというやり方は、網羅的に広く浅く、手法の全体像を捉えることができました。自分が予習した段階で分からなかった抽象的なことや数式に関わるところを、勉強会で補うように解説していただき、理解が深まりました。一番実感できたのは、BDSCでモデルの名前や数式などが出てきたときにアレルギー反応を示さなくなったことです。それぞれのモデルの特徴をある程度知っておくことで、ハードルが下がると思います。この始めの基礎固めをしておけば、あとは自分の力で調べて理解するのがずっと楽になります。これからもBDSCなどで刺激を受けつつ頑張っていきます。ありがとうございました。
2022年度開催
事前学習会の「入門編」の意味の１つは広く浅く技術の基本を学ぶことだと思う。現在あるあらゆる分析技術の多くは根っこの部分は同じで何点かの工夫を加えて派生した技術である。この「入門編」では根っこの部分の技術の“考え方”を知ることができる。自分の数学レベル等が十分ではないため扱った手法のすべてを完璧に理解すること現時点ではできないが、それぞれの手法が何を目的としていてその目的に対してどのようなアプローチを取っているかぐらいはわかることができた。
教材として使う「本質を捉えたデータ分析のための分析モデル入門」(ソシム社, 杉山聡 著)は基本となる技術を飛ばさずにその派生を含めて紹介してくれる。その行間を埋める作業がこの勉強会におけるもっともエキサイティングな部分であった。また、当教材の豊富な図やイラストは理解を手助けしてくれるだけではなく今後の勉強のハードルを低くしてくれていると感じている。すべての図がオリジナルではなく原著論文から引用されている図を使用しているため、勉強会の外でも使用されている図になっている。「これ見たことある図だ」ということが短い期間で幾度かあった。所見ではちょっと手が出ない複雑で細かい図に対する抵抗が減ったことは間違いない。また、どこにあった図なのか直ぐに戻れるため復習はもちろん更なる知識の増強も期待できる。
「見たことがある」を増やす、つまり広く浅く根本を学ぶ。このシリーズの「入門編」は今後の「概論編」「実践編」の学習効率を高めてくれるだろう。
初回の冒頭で「距離にはどんな距離がありますか」と質問された時、久しぶりに全く知らないことを学び始めるのだな、という感覚になったことを今でも強烈に覚えています。
医学部の授業ではあまり学ぶ機会がなかった、データとは何か、統計や機械学習、強化学習などの背景となる原理を俯瞰するための勉強会は、これからまさにそれらを使いこなしていくための知識やマインドを構築するための良い機会となりました。自分でcodeを書きながらデータを扱う実践的な勉強会ではないため、実践のためのトレーニングは別に必要ですが、“そもそもデータ分析って何なの？”を学び、自分の頭の中にロードマップを作るための勉強会です。
勉強会は1回1時間半、本1冊を5回に分けて読んでいくといった形式です。1回の勉強会で扱う範囲は幅広く、それらを約1-2週間で読みこむことは容易ではありませんが、幸運にも著者はV-tuberとしても活躍されており、要点はYoutubeで学ぶことができます。また現在ネット上ではたくさんの教材が無料で閲覧できるため、それらを活用して予習に励むのも有効です。入門編といっても、その背景にある数学的・情報学的知識がない身からすればかなり読み応えのある本です。
勉強会が終わってからが本当の始まりです。実際にデータを扱いながらさらに知識を深めていきたいと思っています。
データサイエンスを学ぶ上で大きなハードルとなるのが、分野の幅広さと進歩の速さであると私は考えている。事前勉強会入門編は膨大なデータサイエンスの世界へ踏み入れる第一歩として様々な分析モデルの基礎的な理論と応用例を学ぶことができる、とても有意義な内容であった。
五回に分けて通読する「本質を捉えたデータ分析のための分析モデル入門」（杉山聡 著）は数理的な解説を最低限に抑えたうえで、各分析モデルの原理をイラストや図を通して身に着けることができる勉強会の「入門編」にとって最適な内容になっている。勉強会を通して教材を読み進める中で特に有意義だと感じたのが、データ分析技術の進歩を学べたことであった。単に一つの分析モデルの考え方や理論を学ぶだけでなく、第一線の研究者達によってそのモデルがどのようにして拡張され、結果的にどのような分析が可能になったのか、そしてどのモデルが使われなくなったのかを学ぶことができる。
入門編ではあるが、教材には主要分析モデルの原論文や発展的な内容を扱う専門書、さらには著者自身がアップロードしたYouTubeの解説動画等、様々な補足資料が用意されてあり、意欲次第ではいくらでも深く掘り下げ知識を得ることができる。入門編で学んだ内容をベースにさらに知識を身に着け、今後の研究に活かしていきたいと思う。
データサイエンスについて勉強していてあるモデルについて気になった際webなどで調べると、何をしていてどのようなことが出来るのかということについてはある程度の情報を得ることはできると思う。しかし、より詳しく具体的にどのような数式でその機構が成立しているのかという事などまで知ろうとすると原著等をあたる必要が出てくるがいきなり読むには難解なものも多く、もし運よく解説しているサイトを見つけられたとしてもやはり初学者には難しいことが多い。そもそも日々開発されていくモデル達のうち、どれが重要で学ぶべきものであるかということのあたりをつけることも容易なことではなく勉強のハードルを上げる要因になっているのではないかと思う。入門編で扱う本はデータサイエンスの基本的な概念の説明から始まり、今はあまり用いられていないが後のモデルを理解するうえで重要なものを含めた代表的なモデルについて数式の理解を含め基礎を若干超えた内容について比較的平易に解説してくれている。これからより深く勉強し・自ら実装していくであろうモデルについて知り、その理解をもう一歩深めるに際してとても便利な一冊であると感じた。本書はかなり発展的な内容も含んでおり、割とモデルを網羅的に紹介している。勉強会ではそれらの中からどのモデルが重要なのかということや必ず押さえておくべき考え方・ポイントについて、実際に研究をしている先生の所感を含め学ぶ機会になるほか400ページ程度の短くはない本を読破していくマイルストーンとしても有用であったと思う。
私は、これまで大学でのオンライン授業には慣れていたものの、Zoomを使った勉強会には初めて参加しました。初回は緊張していましたが、テンポよく進む講義であっという間に集中して勉強することができました。勉強会では、教材「本質を捉えたデータ分析のための分析モデル」を使用していました。この教材は、副題にある通り「用途・特徴から原理まで一気通貫！」という内容で、体系的な解説がされており、データ分析を志す私にとっては非常に有益なものでした。
この本の著者の方はYoutubeチャンネルを持っておりとても本数が多いので、教材内で難しいと感じる部分をピンポイントで確認することができたため、学習効果が高まりました。私は、この本とyoutubeを活用して予習し、勉強会に参加しました。勉強会では、圧倒的スピードでありつつポイントを抑え、更に第一線で実践されている先生の言葉により深く学ぶことができ、最後のディスカッションでより理解を深めることができました。
私は、この勉強会を通じて、データ分析に関する基盤的な知識を網羅的に学ぶことができたため、今後の学習においても有利になると考えています。しかし知っているのと実践はまた違うと思うので、実践で活用できるよう今回学んだことをベースに試行錯誤していきたいと思います。そのためにも全体感を学べたことは大変価値があったし、進化が激しい分野なので最新情報を受け取った際に対応できる力も付いたのではないかと思います。どうもありがとうございました。