AI・機械学習を学ぶ

AI（人工知能） は、2026年現在のエンジニアリングにおいて避けて通れない領域です。ChatGPT・Claude・Gemini などの生成AIが日常的に使われるようになった今、「AIが何をしているのか」「どんな仕組みで動いているのか」を理解することは、エンジニアとして大きな強みになります。

このセクションでは、AI・機械学習の基礎概念から、AIツールの拡張を可能にするプロトコル「MCP」まで、ゼロから体系的に学べます。

このセクションで学べること

AI・機械学習の基礎

AI・機械学習・ディープラーニングがどのような関係にあるのかを整理し、それぞれの基本概念を学びます。

機械学習とは — データからパターンを学ぶ仕組みと、従来のプログラミングとの違い
ディープラーニングとは — ニューラルネットワークの仕組みと、LLM（大規模言語モデル）の概要
学習パラダイム — 転移学習・ファインチューニング・連合学習など、現代の実践的な学習手法

MCP（Model Context Protocol）

AIモデルが外部ツールやデータと連携するための標準規格「MCP」を学びます。Claude Code や Claude Desktop がなぜ多様なツールと連携できるのか、その仕組みを理解できます。

MCPとは — AIと外部ツールをつなぐプロトコルの概要
なぜMCPが必要か — M×N統合問題とMCPによる解決策
MCPのアーキテクチャ — Host・Client・Serverの3層構造
MCPのケイパビリティ — Tools・Resources・Promptsの違いと使い分け

どの順番で学ぶか

AI・機械学習の基礎から始めたい場合

まずは「機械学習とは」から読み始めてください。AI・機械学習・ディープラーニングの関係を整理してから、それぞれの詳細に進むのがスムーズです。

機械学習とは — AIと機械学習の違い・3種類の学習方法
ディープラーニングとは — ニューラルネットワークとLLMの仕組み
学習パラダイム — 転移学習・ファインチューニングなどの実践的手法

MCPを実践的に使いたい場合

Claude Code などのAIツールをより深く活用したい方は「MCPとは」から始めてください。

MCPとは — 概要と基本概念
なぜMCPが必要か — 解決する問題の背景
MCPのアーキテクチャ — 仕組みの詳細
MCPのケイパビリティ — 実際にできること

このセクションを読む前に

特別な数学の知識は必要ありません。高校数学レベルの関数・確率の概念があると理解がさらに深まりますが、概念の把握を目的とするなら読み進めることができます。

エンジニアリングの基礎（ターミナル操作・Git）は必須ではありませんが、エンジニアリング入門を先に読んでおくとより実践的な理解ができます。

このページへのリンク（英語）: AI & Machine Learning