「KIKAGAKU」は誰しもが挫折せず、最短距離で最先端の知識を身に付けることを1つの目標としている。そのため、KIKAGAKU内の学習コンテンツは厳密性よりわかりやすさ、言葉よりイメージで理解すること重視。学ぶ道筋・知識を体系化することにより、遠回りすることなく学習を進められるようにした。また、理論のみではなく、コーディングを通して学びを進めることによって、実際に使える技術の習得を目指すことが可能だという。
初回リリースでは、ディープラーニングの基礎から画像認識、自然言語処理の基礎について学ぶことができるコンテンツを公開。AI、ディープラーニングの基礎を理解し、実装する力を身に付けられる。
KIKAGAKUのコンテンツは大きく2つのパートに分かれる。数学を通して理論を理解するパートと、学んだ理論をTensorFlowやPyTorchなどのディープラーニングフレームワークを用いて実装を行うパートだ。理論パートで仕組みを理解し、実装パートで使える技術の習得を目指す構成となっている。
プログラミングの実行環境にはGoogle Colaboratoryを利用することを想定。手元のコンピュータで環境構築を行う必要がなく、初学者でも手軽に学習を始められる。
2020年4月2日の公開時点では、次のコンテンツを閲覧できる。
- はじめに
- データサイエンスの基礎
- データ活用の基礎
- 人工知能、機械学習、ディープラーニングの違い
- 機械学習の基礎
- 教師あり学習（回帰＆分類）の基礎的なアルゴリズム
- ハイパーパラメータの調整方法
- 教師なし学習の基礎的なアルゴリズム
- ディープラーニングの基礎
- ニューラルネットワークの数学（順伝播と逆伝播）
- ニューラルネットワークの実装（TensorFlow & PyTorch）
- 画像認識の基礎
- 畳み込みニューラルネットワークの数学
- 画像分類
- ファインチューニングとデータオーグメンテーション
- 自然言語処理の基礎
- 形態素解析
- 自然言語の特徴量変換
- テキスト分類
なお、2020年夏に第2回リリースを予定。画像認識・自然言語処理の応用的な内容のコンテンツを企画している。
