学習ロードマップ

ゼロから機械学習

回帰・分類・クラスタリングから深層学習まで、概念→Excel→Python→統計→PyTorch の順で手と頭を動かして積み上げる 5 冊。

はじめての機械学習　中学数学でわかるAIのエッセンス

Excelでわかる機械学習超入門 -AIのモデルとアルゴリズムがわかる

Pythonではじめる機械学習 : scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

ここから学ぶ統計的機械学習　Pythonで実践！確率・統計から推定・学習理論まで

Python機械学習プログラミング PyTorch＆scikit-learn編

SCROLL TO BEGIN

このロードマップが扱うもの

- 機械学習という単語は知っているが、数式とコードの両方で手が止まっているエンジニア・分析職 - Python は少し書けるが、scikit-learn の API を雰囲気で叩いている初学者 - ディープラーニングに進む前に、古典的な ML の仕組みを腹落ちさせたい中級者

このロードマップの全体像

対象読者

機械学習という単語は知っているが、数式とコードの両方で手が止まっているエンジニア・分析職
Python は少し書けるが、scikit-learn の API を雰囲気で叩いている初学者
ディープラーニングに進む前に、古典的な ML の仕組みを腹落ちさせたい中級者

5 冊で到達する状態

回帰・分類・クラスタリングの代表アルゴリズムを、目的とデータ前提から選び分けられる
勾配降下法・正則化・交差検証・過学習の抑制を、式とコードの両面で説明できる
scikit-learn で前処理 → 学習 → 評価 → チューニングまでのパイプラインを組める
確率・統計の土台から、最尤推定・ベイズ推定・EM アルゴリズムの位置付けを理解できる
PyTorch で自前のネットワークを記述し、古典 ML と深層学習を地続きに捉えられる

進め方のヒント

1 冊目で数式アレルギーを外し、2 冊目の Excel でアルゴリズムの「挙動」を目で確認する
3 冊目以降は必ず手元で notebook を動かし、データを差し替えて結果の変化を観察する
4 冊目の統計パートで詰まったら 3 冊目の実装に戻り、式と API の対応を往復する

01
ステップ 01 中学数学で掴む ML 概観
02
ステップ 02 Excel で触る学習アルゴリズム
03
ステップ 03 scikit-learn で実装の定番を固める
04
ステップ 04 確率統計から学習理論へ橋を架ける
05
ステップ 05 PyTorch で古典 ML と深層学習を接続

第 1 章

中学数学で掴む ML 概観

中学数学で掴む ML 概観

難解な数式を避け、機械学習の発想と主要手法の地図を先に描く導入。ここで用語の解像度を上げ、以降の学習の迷子を防ぐ位置付け。
この章の 1 冊 はじめての機械学習　中学数学でわかるAIのエッセンス
田口善弘 / 講談社 / 2021

中学数学の知識だけで機械学習の主要手法を直感的に理解する
この本で身につくこと
- k近傍法・主成分分析・線形回帰など代表的な機械学習アルゴリズムの直感的な仕組みを説明できる
- ニューラルネットワーク・深層学習・CNNが数式なしでどのように機能するか概念を把握できる
- GAN・BERTといった生成AI・自然言語処理モデルの原理を概要レベルで語れる
- モンテカルロツリーサーチがAlphaGoなど強化学習系AIでどう使われるかを理解できる
想定読者: プログラミング未経験またはコードより概念理解を優先したい社会人・研究者で、機械学習の全体像を最短距離で把握したい人
本の詳細を見る →
Excel で触る学習アルゴリズム

回帰・分類・クラスタリングを Excel で動かし、重み更新や誤差最小化の感覚を可視化する体験書。コード学習前の直感形成に置く。
この章の 1 冊 Excelでわかる機械学習超入門 -AIのモデルとアルゴリズムがわかる
涌井良幸、涌井貞美 / 技術評論社 / 2019

Excelで主要な機械学習アルゴリズムの仕組みを手を動かして理解する
この本で身につくこと
- 教師あり学習・教師なし学習・強化学習の区別と各手法の代表的な用途を言葉で説明できる
- 最小二乗法・勾配降下法・ラグランジュ緩和法などの最適化アルゴリズムをExcelのセル計算で手順を追いながら確認できる
- SVMの分類境界(サポートベクター)と双対問題の考え方を数値例から直感的に把握できる
- 誤差逆伝播法(バックプロパゲーション)の計算ステップをスプレッドシートで展開し、勾配更新の流れを定量的に検証できる
想定読者: AIの仕組みをアルゴリズムレベルで把握したい、プログラミング経験のない入門者・非エンジニア職の学習者

前提知識: 高校数学レベルの行列・微分の基礎知識(本書付録C〜Fで補完可能だが、事前知識があると読み進めが速い) / Excelの基本操作(関数入力・グラフ作成・ソルバーアドインの利用)
本の詳細を見る →
scikit-learn で実装の定番を固める

特徴量エンジニアリングからモデル評価までを scikit-learn で通し、実務フローの骨格を作る中核本。ロードマップの背骨に据える。
この章の 1 冊 Pythonではじめる機械学習 : scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
Andreas C. Muller/中田秀基 / オライリー・ジャパン / 2017

scikit-learnを軸にPythonで機械学習の実践サイクルを習得する
この本で身につくこと
- scikit-learnのAPIを使って分類・回帰・クラスタリングをステップバイステップで実装できる
- クロスバリデーションとグリッドサーチでハイパーパラメータを系統的に調整できる
- スケーリング・カテゴリエンコーディングなど特徴量前処理の基本手法を選択・適用できる
- 過学習と汎化性能の関係を評価指標から診断し、モデルを改善するサイクルを回せる
読み終えると Before(読む前): Pythonは書けるが機械学習のコードをどう組み立てればよいか分からず、サンプルコードのコピペ止まりになっている After(読み終えた後): scikit-learnを使ってデータ読み込みから前処理・学習・評価・改善までの一連のサイクルを自力で設計・実装できる

想定読者: Python基礎は習得済みで、機械学習の実装を体系的に学び始めたいエンジニア・データ分析者

前提知識: Python で NumPy・pandas を使った基本的なデータ操作（配列演算・DataFrame のフィルタリング・集計） / 機械学習の概念的なイメージ（「訓練データで学習して未知データに適用する」程度）があると初期の文脈理解が早い
本の詳細を見る →
確率統計から学習理論へ橋を架ける

確率・推定・学習理論を Python で実装しながら学び、3 冊目の API 利用を理論で裏打ちする応用書。式とコードの往復を深める役割。
この章の 1 冊 ここから学ぶ統計的機械学習　Pythonで実践！確率・統計から推定・学習理論まで
池田　和司/丸野　由希 / 科学情報出版 / 2026

確率・統計の基礎からSVMや時系列解析まで、PythonコードとともにステップアップするML入門
この本で身につくこと
- Python基本文法・NumPy/Matplotlib等を使ったデータ操作・可視化の手順
- 確率分布(正規分布・ベルヌーイ分布等)の概念とPythonによるシミュレーション
- 平均・分散・相関係数などの統計量をコードで計算し、その意味を解釈する力
- SVMやブースティングなど代表的な機械学習アルゴリズムの基本的な適用方法
想定読者: Pythonでデータ分析やAIの仕組みを体験的に学びたい高校生・大学生、および統計や機械学習に興味を持ち直したい社会人
本の詳細を見る →
PyTorch で古典 ML と深層学習を接続

scikit-learn の総復習と PyTorch による深層学習を地続きに扱い、自然言語や GNN まで視野を広げる応用到達点として置く。
この章の 1 冊 Python機械学習プログラミング PyTorch＆scikit-learn編
Sebastian Raschka、 Yuxi (Hayden) Liu、 Vahid Mirjalili/株式会社クイープ/福島真太朗 / インプレス / 2022

『Python 機械学習プログラミング PyTorch & scikit-learn 編』(原題『Machine Learning with PyTorch and Scikit-Learn』、Sebastian Raschka ほか共著…
この本で身につくこと
- scikit-learn で典型的な分類・回帰・クラスタリングが書ける — モデル選択 + 評価
- PyTorch で CNN / RNN / Transformer を実装できる — 深層学習の主要アーキテクチャ
- 自然言語処理(NLP)の基本フローが分かる — トークン化 / 埋め込み / Transformer
- グラフニューラルネット(GNN)の入口が見える — グラフデータの扱い方
本の詳細を見る →