🏫 AI寺子屋
🔍 検索 🇬🇧 EN

🗺️ MI学習ロードマップ

28シリーズのMI道場を「図書館」から「カリキュラム」へ。どこから始め、次に何を学ぶかを1本の道筋に整理しました。

マテリアルズ・インフォマティクス(Materials Informatics、材料科学とデータ科学を橋渡しする分野)は、学ぶべきことが多く、最初は全体像がつかみにくい領域です。このページでは、まず出身分野に合った入口を選び、その後全体像 → コア技術 → 発展 → 応用の4段階で進む道筋を示します。各ステップにはチェックボックスがあり、進捗はこのブラウザに保存されます。順番は目安ですので、興味のあるところから進めていただいて構いません。

⏱️ まず1時間で体験したい方へ

理屈より先に手を動かしたい方は、最短コースからどうぞ。用語でつまずいたときは用語集が助けになります。

🚪 出身分野別の入口

MIは複数の分野が交わる領域です。まずは、あなたのバックグラウンドで「不安な側」を先に補うと、その後の学習がぐっと楽になります。入口を終えたら、下のStage 1「全体像をつかむ」へ合流してください。

材料・化学系出身(MLが不安)

材料や化学の基礎はあるが、機械学習に馴染みが薄い方へ。まずMLの共通言語を身につけてから合流します。

  1. 機械学習入門で、教師あり/教師なし学習や評価の基本用語を一望します。
  2. そのまま Stage 1 に合流し、MIの全体像をつかみます。

情報・データ系出身(材料が不安)

機械学習やプログラミングは得意だが、材料科学の言葉に不安がある方へ。まず材料の入口を押さえます。

  1. ナノ材料入門で、材料科学の考え方と用語をPython実践とともにつかみます。
  2. そのまま Stage 1 に合流し、MIの全体像をつかみます。

学生・数学から固めたい

土台となる数理から順に固めたい方へ。確率・統計と線形代数は、MIのほぼすべての手法の前提です。

  1. 確率論と確率過程で、不確かさを扱う言語を身につけます。
  2. 線形代数とテンソル解析で、データと特徴量の数学を固めます。
  3. 準備ができたら Stage 1 へ進みます。

📈 段階別の学習パス

全体像から応用へ、4つの段階で進みます。各ステップのチェックボックスで進捗を記録できます(このブラウザ内に保存され、他の人には共有されません)。章数と目安時間は実際の教材にもとづく概算です。

🏁 全体進捗 0 / 13 ステップ完了
Stage 1

全体像をつかむ

まずMIが「何を、どう進める分野か」を俯瞰します。ここが全パスの合流点です。

Stage 2

コア技術

データを集め、特徴量にし、解析し、少ない実験で最適化する——MIの中核となる4つの技術を押さえます。

Stage 3

広げる

コアを土台に、表現学習・シミュレーション・効率的探索・大規模計算へ視野を広げます。

Stage 4

応用に挑む

学んだ技術を、電池・触媒・創薬・実験自動化といった実課題に接続します。関心の近いものから選んで構いません。

🎓 修了プロジェクト

4段階を一通り終えたら、学んだことを1つの成果物にまとめてみましょう。自分で選んだデータで物性予測モデルを一から作る、自己主導型のミニプロジェクトです。

自分のデータで物性予測モデルを作る

30サンプル以上の材料データで「特徴量化 → ベースライン → 交差検証 → 解釈 → 限界の考察」を一人で完走し、短いレポートにまとめる課題テンプレートです。チェックリスト・マイルストーン・自己評価ルーブリック・レポートのひな形つき。ロードマップの学びを、人に見せられるポートフォリオへ変えます(所要目安 4〜8時間)。

❓ よくある質問

全部でどのくらいの時間がかかりますか?

このロードマップに含まれる13シリーズの目安時間を合計すると、おおよそ25〜30時間ほどです。1日30分〜1時間のペースなら、数週間から2か月程度が一つの目安になります。すべてを終える必要はなく、入口とStage 1・2まで進むだけでも、MIの実務に必要な土台は十分に得られます。

数学はどこまで必要ですか?

入口とStage 1〜2の範囲では、高校〜学部初年度の数学(線形代数・確率統計の基礎)があれば読み進められます。数式よりコードと図で理解できるよう構成されています。理論をより深く固めたい場合は、「学生・数学から固めたい」の入口にある確率論線形代数のシリーズを併読してください。GNNやMLPなどStage 3の一部では、線形代数の理解があると理解が深まります。

プログラミング未経験でも大丈夫ですか?

各シリーズはPythonのコード例を中心に進みますが、コードは実行可能な形で一通り示されています。まったくの未経験の場合は、まずクイックスタートで写経しながら流れをつかみ、必要に応じて機械学習入門で基本操作に慣れることをおすすめします。Pythonの基本文法(変数・リスト・関数)が分かれば、無理なく取り組めます。

順番どおりに進めないといけませんか?

いいえ。段階は「迷ったときの推奨順」であり、興味のあるシリーズから始めても構いません。ただしStage 2以降は、Stage 1「全体像をつかむ」を先に読んでおくと前提知識が揃い、理解しやすくなります。Stage 4の応用シリーズは、関心の近いものを1つ選ぶだけでも実践的な学びになります。

進捗チェックはどこに保存されますか?

チェックの状態は、お使いのブラウザ内(localStorage)にのみ保存されます。サーバーには送信されず、他の人と共有されることもありません。同じ端末・同じブラウザで開けば続きから再開できます。別の端末では引き継がれない点にご注意ください。すべて消したいときは「進捗をリセット」を押してください。

免責事項