書籍「機械学習工学」の良かったところ
本記事では、講談社サイエンティフィック様よりご恵贈賜りましたため、簡単ではありますが、レビューを残します。2022/7/22(本記事投稿日と同日)発売の「機械学習工学」という書籍です。
※以下のリンクに書籍の目次が書かれておりますので、まずはこちらを見ていただき、本記事を読むか判断すると良いかと思います。
結論めちゃ良本です！！死ぬまでに読むと思うなら今すぐ購入することをオススメします！！笑
前提として、まだ隅々一字一句読めているわけではありませんが、前がきから最終章、頭から最後まで「サラッと」みたところ、読み込みたいと思える一冊です。今年のITエンジニア本大賞に選ばれる一冊だと感じました。
▼ こちらAmazonリンクになります
良かった点をざっくり紹介
1. この本を書かれている方がまず豪華！
著者と過去の執筆された書籍情報から分かる通り、数々の名著を残された方ばかりです。また、経歴も様々で国立研究者の方から大学の先生、ビジネス現場を理解している会社員の方、弁護士事務所の方まで多角的視点で機械学習工学について言及されております。また、章ごとに執筆されている方の視点が明確なのが嬉しく、わかりやすい(研究者視点、ビジネス現場視点等)です。
- 石川 冬樹 (編集, 著)
- 国立情報学研究所
- amazon著者ページ
- Chapter1 機械学習工学 担当
- Chapter5 品質の捉え方と管理 担当
- Chapter9 今後に向けて 担当
- 丸山 宏 (編集, 著)
- 柿沼 太一 (著)
- 弁護士法人 STORIA
- amazon著者ページ
- Chapter8 機械学習と知財・契約
- 竹内 広宜 (著)
- 武蔵大学
- amazon著者ページ
- Chapter2 機械学習システムの開発とその検証プロジェクト 担当
- 土橋 昌 (著)
- 株式会社エヌ・ティ・ティ・データ
- amazon著者ページ
- Chapter3 機械学習システムの運用 担当
- 中川 裕志 (著)
- 理化学研究所
- amazon著者ページ
- Chapter1 機械学習工学 担当
- Chapter7 AI倫理 担当
- 原 聡 (著)
- 大阪大学
- amazon著者ページ
- Chapter6 機械学習モデルの説明法 担当
- 堀内 新吾 (著)
- 株式会社エヌ・ティ・ティ・データ
- amazon著者ページ
- Chapter3 機械学習システムの運用 担当
- 鷲崎 弘宜 (著)
- 早稲田大学
- amazon著者ページ
- Chapter4 機械学習デザインパターン 担当
2. 前書きからまず読む価値を感じる
まずは、書籍を手に取り、「本書の前書き」、「本書の位置付けと読み方」を見ていただきたい。
日本のソフトウェア工学の専門家と機械学習の専門家が知恵を集めて、機械学習を工学にしようと2017年から取り組んできた成果をまとめたものでありと書かれ、、また学術研究者と実務家の間の密接な議論がされていることが分かり、大作であることは間違いない。
そして、AIシステムを実用的なレベルに、ビジネス上に価値創造や課題解決することを明確に目標とし、開発・運用・評価をする上でこれらの点は考えないと行けないですよね？という前提条件や認識合わせがとても優しく丁寧に書かれており、共感する読者も多いと思われます。
MLシステム開発に関連するツールの使い方を勉強できるリソースはかなり豊富に充実してきているが、学問としての形・軌跡についてインプットできる機会は少ないので、新鮮に感じる方はとても多いと思われます。
3. 技術的なトピック以外の文献もある
技術的なこと以外にも契約や倫理に関するトピックも１つの章として扱っています。特に「7章AI倫理」、「8章機械学習と知財・契約」です。技術的なトピックと倫理や法律周りのトピックもどちらも記載されている書籍はありますが、そのような場合、後者の情報量が少ないケースが個人的に少なく感じていました。しかし、こちらの書籍は、章ごとに担当者がいることや機械学習に理解がある弁護士事務所の方が執筆されていることもあり、とても充実しております。
これは、余談ですが、他にもこのようなAI倫理も幅広く学びたい方にはG検定学習教材であるこちらの書籍が個人的に良かったです。
4. その他、細かい点
細かい点を挙げればキリがない気がするのですが、例えば、ソフトウェアシステムと機械学習システムとしてそれぞれ満たすべき特性が表でまとめられているので良かったり、実際の企業での事例を深掘り経験ベースでも語られており、企業内での工夫やつまづきポイントを知ることができます。また、MLDP（機械学習デザインパターン）の認知や活用状況など、マーケティング視点での調査結果も解説されており、現実的に組織で導入・活用・運用していくための判断材料になるものも掲載されている。
他にも、ソースの内容が的確で講演動画(資料)を参照されていることもあり、１次ソースに当たってさらに深めたくなったり、とにかく読み込みたい、他人と共有したいと感じる内容が盛り込まれている一冊です。
章ごとに参考文献がまとめられているので、さらにそのトピックを深めたいときに、どのリソースに当たればいいのかが分かる点もとても良かったです。
例えば、こちらの資料
-
株式会社三菱ケミカルホールディングス. 機械学習プロジェクトキャンバス
https://www.mitsubishichem-hd.co.jp/news_release/pdf/190718.pdf
関連リンク：https://qiita.com/ea-yasuda/items/b8fa464e38453a8ec7ba -
Repro.Inc. 杉山による講演「ゼロから始めるKubeflowでの機械学習パイプライン構築」(MLSE機械学習基盤 本番適用と運用の事例・知見共有 ２０２０)の講演動画の関連資料
https://docs.google.com/presentation/d/19P_hAZw8W9X1myeV1wuKYVEAHZsOl3-ohcV1E4wug7g/mobilepresent -
Mercari 大嶋による講演「モバイル向け機械学習モデル管理基盤」(MLSE 機械学習基盤 本番適用と運用の事例・知見共有 ２０２０)の講演動画の関連資料
https://speakerdeck.com/yujioshima/mlse-mobairuxiang-keji-jie-xue-xi-moderuguan-li-ji-pan -
経済産業省 「AI・データの利用に関する契約ガイドライン 1.1版」
https://www.meti.go.jp/press/2019/12/20191209001/20191209001.html
最後に
本書籍の対象者は、開発や運用の活動に携わる実務者や研究者を対象としている(エンジニアの活動を理解し、密に協働すべき発注者や経営者も含まれる)と記載されており、その点に相違なく幅広くかつ深く語られております。この本で追求していない部分に関しては、Chapter9 今後に向けてのセクションで列挙されていますので、まずは、その点と前書きを読み、購入を検討するのが良いかと感じてました。
最後に、ご恵贈くださりました講談社サイエンティフィック様、誠にこのような機会をいただきまして、とても感謝しております。引き続きよろしくお願いいたします。
▼講談社サイエンティフィクTwitterリンク
Discussion