A.1 おすすめ学習リソース
外部リソースは、今の詰まりを解くときだけ使います。リンク集めを、プロジェクト作りの代わりにしないでください。
詰まり方で選ぶ
Section titled “詰まり方で選ぶ”| どこで詰まっているか | 先に足すもの | 戻って確認する場所 |
|---|---|---|
| 概念の直感 | 3Blue1Brown、視覚的な解説、コース内の図解 | 同じ章の練習 |
| Python 基礎 | Python 公式チュートリアル、Real Python | 第 2 章のコード練習 |
| データ処理 | Pandas、NumPy、Matplotlib、SQL ドキュメント | 第 3 章の小プロジェクト |
| 数学と ML 理論 | Andrew Ng ML、周志華『機械学習』、scikit-learn docs | 第 4-5 章 |
| 深層学習コード | PyTorch docs、Dive into Deep Learning、Fast.ai | 第 6 章の notebook |
| LLM 利用 | Hugging Face docs、モデル提供元の docs | 第 7-8 章 |
| RAG / Agent 工学 | LangChain、LangGraph、LlamaIndex、MCP docs | 第 8-9 章のプロジェクト |
| CV / NLP / マルチモーダル | CS231n、CS224n、OpenCV、拡散モデルとマルチモーダル資料 | 第 10-12 章 |
| オープンソース LLM 配置 | Datawhale Self-LLM、Hugging Face Transformers、vLLM、SGLang、llama.cpp、Ollama | 第 13 章 |
1 つの詰まりには 1 つのリソース
Section titled “1 つの詰まりには 1 つのリソース”リソースを使ったら、小さな成果を 1 つ残します。
| 学び方 | 最小成果 |
|---|---|
| 概念動画を見る | その概念を 3 文で言い直す |
| 公式ドキュメントを読む | 公式例を 1 つ実行する |
| ブログやチュートリアルを読む | 1 つの方法をコースプロジェクトに使う |
| 論文やサーベイを読む | 「古い問題 -> 新しい方法 -> プロジェクトへの影響」を書く |
このページを終えたら、この証拠カードを残します。
- 学習ギャップ
- 強化すべき概念、コードスキル、プロジェクトスキル、論文、またはデプロイスキル
- 資源選択
- 1つの主要なリソースと、それが現在のボトルネックに合う理由
- 時間枠
- プロジェクトに戻る前にどれだけ使うか
- リスク確認
- 証拠を作らずにリソースを集めること
- 期待される成果
- 読書後に作成する 1つのアーティファクトがある短いリソース計画
よくある失敗
Section titled “よくある失敗”- たくさんリンクを保存するが、コードを動かさない。
- 1 段落わからないだけで別の資料へ移る。
- 理論だけ読み、プロジェクトに戻らない。
- 最小デモを作る前に、フレームワーク全体を学ぼうとする。
すぐ判断する
Section titled “すぐ判断する”新しい資料を開く前に、3 つだけ確認します。
- 自分は具体的に何で詰まっているのか。
- その資料は別の説明、公式 API の答え、または実行できる例をくれるのか。
- 読んだあと、コースのどのタスクに戻るのか。
答えられないなら、まず本編の流れを続けましょう。