こんにちは、ツクダンです！
この記事では、次のような悩みを解決します！
- データサイエンスに興味あるけど、何から勉強したらいいの？
- 今の勉強の仕方が正しいのか自信がない
- 基礎を学び終えたが、これからどうしていいか分からない
AI時代の到来により、世界中で需要が爆発的に伸びているデータサイエンティスト。
ただ興味をもって調べても、何から学べばいいのかわかりづらいのが現状ですよね。
そこで今回は、データサイエンス学習ツールをまとめることにしました。
僕ここまで回り道してきた経験をもとに、本当に信頼できるツールを厳選しています。
無駄を省いて効率的に学習したい人は、ぜひ参考にしてみてください。
データサイエンス学習ロードマップ
まずは『データサイエンスに関してまだ何も知らない。』という人のために、大まかなデータサイエンス学習ロードマップを説明していきます。
学習ロードマップは次の通りです。
Python基礎・必須ライブラリの習得
↓
統計学・微分積分・線形代数を学ぶ
↓
機械学習手法・深層学習手法を学ぶ
↓
実戦にぶつかる
Pythonの習得
何よりもまずPythonを習得することが必須条件。
ここがないと何も始まりません。
習得といってもすべてを学びきるわけではなく、「Pythonの基礎文法」と「データ分析に必須のPythonライブラリ」を習得しましょう。
必須ライブラリとしては、Pandas・Numpy・Matplotlib・Scikit-learnなどがあります。
統計学を習得する
Python習得と同じくらい重要なのが、統計学の学習。
データ分析、すなわちデータから何かを予想するためには必須となる知識です。
身に着けるべき知識の目安は統計検定準一級レベル。
プロとして活躍したければ統計検定一級レベルをクリアしたいところですね。
一級レベルをクリアするためには、微分積分と線形代数の知識が必須となります。
機械学習・深層学習の手法を学ぶ
さらにデータサイエンススキルを高めていくためには、機械学習や深層学習の手法を学ぶことが必要です。
ただコードの実装自体は、Pythonライブラリを使えば超簡単（であることが多い）。
なので機械学習・深層学習のアルゴリズムを理解して適材適所で使えるようにすることが重要です。
ちなみに機械学習・深層学習のアルゴリズムの理解には、微分方程式・ラプラス変換などの数学分野の学習も必要になることがあるそうです。
実戦にぶつかる
機械学習・深層学習のアルゴリズムを学びながら、実戦にも挑戦していきましょう。
機械学習・深層学習の分野は今まさに急激に進化している最中なので、学習に終わりがありません。
なので実戦で分析の腕を磨きながら、少しづつ知識を蓄えていきましょう。
実戦としては分析コンペに参加するのがいいですが、なかなかハードルが高い。
自分の業務データを使って分析を行ってみるのでもいいでしょう。
データサイエンス学習教材・学習ツール
続いて、データサイエンスのおすすめ学習ツールを、先ほどのロードマップに沿って紹介していきたいと思います。
Pythonおすすめ学習ツール
Python習得のおすすめ学習ツールは以下の3つです。
- プログラミングスクール
- 大学が提供している教材
- datacamp
プログラミングスクール
可能なら絶対にプログラミングスクールに行ってください。
なぜならその方が圧倒的に時間の短縮になる上に、挫折もしにくいから。
データサイエンスは学ぶことが膨大。正直、この段階に時間を割いている場合ではないのです。
時間のない社会人なら特にね。
有名どころならどこでもいいので、個別メンター付きのスクールに通ってください。
どうしても決められない人は「TechAcademy [テックアカデミー]」を選びましょう。
僕も学生時代に通ったので自身をもってオススメできます。
体験談を以下の記事にまとめてあるので、気になる方は参考にしてみてください。
今なら無料メンター相談をすると、先着で500円分のAmazonギフト券もらえるみたいです。
大学が提供する教材
金銭面などの問題から、どうしてもスクールに通えないひともいるでしょう。
そんな方にオススメなのは、大学が提供している教材です。
学生のために作られているため内容が体系的で分かりやすく、また網羅性も高い。
僕が見た限りでは、次の二つが非常に良かったです。
東大の教材は、Google Colaboratoryを使っているので環境構築は不要。Pandasなどのライブラリに関しても豊富に掲載されています。
京大の教材では、「コンピュータの仕組み」のようなコンピュータサイエンス的な背景からまとめてくれているのが面白いです。
datacamp
日本ではあまり知られていませんが、datacampも非常に優れた教材です。
datacampは2014年に設立されたMOOC提供のプラットフォームで、Pythonだけに限らずデータサイエンス関連の知識はなんでも学べます。
イメージは「データサイエンス版Progate」で、Progateと同様に環境構築なしに学べる上に演習問題も豊富。
ただしProgateより難易度はやや高めで、動画・テキストすべてにおいて教材は英語で提供されています。
統計学・数学のおすすめ学習ツール
続いて統計学・数学のオススメ学習ツールを紹介します。
おすすめは次の三つ。
- 書籍
- 東京大学 数理・情報教育研究センター
- Udemy・YouTube教材
書籍
統計学・数学を学ぶのは基本的に書籍がオススメです。
コスパが桁違いですし、中級以上の内容は結局書籍で学ぶことになるからです。
以下の記事でおすすめの統計学・数学書籍をまとめているので参考にしてみてください。
統計学や機械学習アルゴリズムなど、データサイエンスを学んでいくと数学力不足で理解が進まないことが良くありますよね。 お察しの通り、データサイエンスを学ぶなら数学は避けられません。 どうせ必要になるなら、取り組むのは早ければ早い[…]
東京大学 数理・情報教育研究センター
東京大学 数理・情報教育研究センターのホームページでは、数理・データサイエンス関連の講義動画や講義資料が一般公開されています。
信じられませんが、無料です。
>> http://www.mi.u-tokyo.ac.jp/teaching_material.html
Udemy・YouTube
動画で学びたいならUdemyやYouTubeにも良い教材があります。
僕の知る限りでは、次の三つがオススメです。
>>【YouTube】予備校のノリで学ぶ「大学の数学・物理」
>>【Udemy】米国データサイエンティストが教える統計学超入門講座【Pythonで実践】
三つ目のUdemy教材に関しては、定価だと円安の影響もありなかなか高額。
講師が定期的にTwitter上でクーポンを公開していますので必ず利用してください。
機械学習・深層学習おすすめ学習ツール
機械学習・深層学習についても基本的には書籍から学ぶことになります。
ただ上で説明したように、ここの学習には終わりがありません。
最低限を学んで必要になったときに補填していきましょう。
オススメ書籍3つ
機械学習・深層学習のオススメ書籍は次の三つです。
最新情報は論文から
機械学習・深層学習に関して、新技術などの最新情報のインプットは論文から行いましょう。
論文は「Google Scholar」などで調べることができます。
おすすめ分析コンペ
実戦経験を積むためにオススメしたいコンペをいくつか紹介していきます。
今回紹介するのは次の三つ。
- Kaggle
- SIGNATE
- Nishika
Kaggle：https://www.kaggle.com/
世界的に最もよく知られた分析コンペのプラットフォーム。
2021年時点で800万人以上のユーザーが参加しており、kaggleで獲得した称号はキャリアの形成にも大きな影響を与えます。
kaggleオススメ書籍は以下の記事にまとめてあります。
[word_balloon id="1" size="M" position="L" radius="true" name="" balloon="talk" balloon_shadow="true"]こんにちは、ツクダンです！[/wo[…]
SIGNATE：https://signate.jp/
日本最大の分析コンペプラットフォーム。
サイトが日本語であり、経済産業省、パナソニック株式会社や株式会社SUBARUなど日本企業がホストであることから、馴染みやすく取り組みやすいコンペとなっています。
Nishika：https://www.nishika.com/competitions
2019年にオープンした日本語のコンペサイト。
まだ参加者が少ないことから、上位入賞がねらい目のコンペです。
Jobオファーや副業案件などもあるのが特徴。
データサイエンスおすすめ学習ツール まとめ
最後まで読んでいただきありがとうございます！
今回は、データサイエンスを効率よく学びたい人に向けた内容。
データサイエンス学習のオススメ教材・学習ツールを紹介してきました。
僕の回り道の経験をもとに厳選したものですので、本当に信頼できるものばかりです。
ぜひ参考にしてみてください。