【人工知能】AIを勉強する際に必要なモノとは【数学】

最終更新日: 2026年8月7日

今日、人工知能やAIという単語自体は聞いたことがある人は多くいるはずです。そして「何かすごいものが作れる」、「今後必要なモノ」そういった認識を持ち興味を持って調べたり勉強を始める人も多くいるはずです。簡単…とは言いませんがそれでもどういった勉強をしていけば良いのか、必要な知識を書いていきます。

人工知能＝ロボット？

最新の技術のように感じられる人工知能ですが、歴史の浅い技術ではなく既に情報はかなりの量出回っているモノとなります。つまり、既にみなさんが使用していたモノの中に人工知能は組み込まれていたということです。一概にロボットという風に括ってしまうことは学習していく上で自ら大きな壁を作ることでもあり、できることの可能性を狭めてしまうことになります。

勉強をしていく上で必要なモノ

既にみなさんの生活の中に浸透した人工知能。しかしながら勉強を始めてもなかなか難しく感じる部分があります。なぜなら、人工知能で使用されるPythonを勉強するだけでなく数学の勉強をする必要があるからです。

とはいえいきなり大学数学を勉強するのは、現役の理系大学生でない限り少し抵抗が大きいでしょうから、最初は高校数学で習う微積分や行列、確率（PやC）など、場合によっては中学生の時に習う一次関数や確率などを勉強し始めると良いでしょう。特に中学数学の一次関数は関数を扱う上で最も基本的な考え方であり、数学的な思考を鍛える上でも必須単元です。大学数学であれば線形代数や解析学などを中心に学んでいくことをおすすめします。

この数学の勉強以外にも言語の勉強が必要になります。Pythonに関しては様々なe-learningもあり技術本、スクールなどがありますので、そちらで勉強をしていくと非常に有効です。何よりPythonの基本的な部分に関しては、他の言語よりも素直な表現で書けますのでスムーズに進むでしょう。とはいえプログラミング言語ですので、「何を作りたいのか」を考えた上で勉強を進めていくと良いです。

Pythonを勉強する環境

Pythonには非常に便利な「Anaconda」というものが存在しています。Anacondaはデータサイエンスの方向けに作業を効率よく行えるように便利なパッケージをまとめられたディストリビューションです。

基本的には「Anaconda」をインストールしておけば独学で書いていく上で困ることはありません（業務においても当たり前のように使用されているものです）。「そこまでの本格的なものはまだちょっと…」「容量が大きくてPCのスペック的に厳しい」なんて方もいるかもしれません。そんな方は「Miniconda」というディストリビューションで環境を整えましょう。非常に簡易的に書くと「Anaconda」よりもインストールされるものが少なく容量も小さい、必要最低限のものがインストールされるというモノです。つまり「Anaconda」をインストールしてどれを使えば良いのか分からないという方にはこちらの「Miniconda」をおすすめします。勉強をしていく中で「Miniconda」ではインストールされなかったパッケージが必要になった場合は「conda」を利用することでインストールすることができます。

まとめると以下のように使い分けると良いでしょう。

• Anaconda → 最初から全てできるようにして勉強を進めていきたい方向け。主要なデータサイエンス・機械学習パッケージが同梱されている
• Miniconda → 必要最低限のモノをインストールして勉強を進めていきたい方向け。condaコマンドで後から追加インストール可能

フレームワークについて

Pythonにはフレームワークというものが存在しています。イメージとしては以下のようなものです。

• スマートフォン：基本的なものは入っており使用者の好みでアプリを入れてカスタマイズできる
• 車：車種ごとの基本性能はありホイールやライト、内装もカスタマイズ可能

つまり、何か作りたいものを作る際に必要最低限の部分をフレームワークで用意して、仕様に変化があった時に自由に対応できるものがフレームワークとなります。

フレームワークを勉強することの利点として、以下の2点があります。

• 最速で作りたいものへ近づける
• 業務で必要になった時にスムーズに行える

このフレームワークの中でも2つほど紹介します。

Flask

特徴として必要最低限のモノしか含まれておらず非常に動作が軽いです。フレームワークの中でもマイクロウェブアプリケーションフレームワークと呼ばれています。そして必要最低限のものしか含まれていないため学習する際のコストが非常に少ないと言えます。簡単な、小規模なアプリケーション作成にはFlaskは有効ですので最初の開発にはおすすめと言えます。

Django

フルスタックフレームワークであるため、開発する際の速度は速いと言えます。よってFlaskよりも大規模なアプリケーションの開発に向いており、Flaskよりも前に登場したフレームワークです。少し前から存在しているからか、日本語での解説が充実しています。英語に苦手意識を持っている方はDjangoを進めていく方がスムーズにいくでしょう。ウェブアプリケーションの開発にはRubyを用いることが多かったですが現在はDjangoの国内・海外共にシェアを拡大しています。

Flask vs Django 比較表

よくある質問

まとめ

• 人工知能は「ロボット」ではなくすでに身近な製品・サービスに組み込まれている技術。「ロボット」という先入観を捨てることが学習の第一歩
• AI学習に必要なものは「数学（中学→高校→大学の順）」と「Pythonプログラミング」の両方。最初から完全を目指さず、動かしながら必要な数学を学ぶアプローチが挫折しにくい
• Python環境構築はAnaconda（フル）かMiniconda（軽量）を選択。スペックに余裕があればAnacondaが即戦力として便利
• フレームワークは小規模・API向けのFlaskと大規模・フルスタック向けのDjangoが代表的。入門にはFlaskの方が学習コストが低い
• 目的を明確にしてから学習を始めることが重要。「何を作りたいのか」を考えると、学ぶべきものと優先順位が自然と決まる