こちらのロードマップは以下のはやたす様の意見を参考にしています。
https://www.youtube.com/watch?v=7d1rhloxPgQ
- ステップ1. データサイエンティストという職業について知る。
- ステップ2. Pythonの基礎を学ぶ
- ステップ3. 機械学習の基礎を学ぶ
- ステップ4. データサイエンスに入門する
- ステップ5. データ分析で必須ライブラリに慣れる
- ステップ6. 統計学の基礎を学ぶ
- ステップ7. 機械学習についてより深く学ぶ
- ステップ8. kaggleかSIGATEに挑戦する
順番に見ていきましょう。
ステップ1. データサイエンティストという職業について知る。
- まずはAI/データサイエンティストの概念について理解できる本を読みましょう。
ステップ2. Pythonの基礎を学ぶ
データ分析も機械学習の使用も基本Pythonで使います。
スキル不足と感じている方はこちらを確認しましょう。
「progateの次に学ぶpython演習問題100問パック」
ステップ3. 機械学習の基礎を学ぶ
- 機械学習の概要、全体感をつかむには、G検定の公式テキストがおすすめ！ 用語をなんとなく覚える程度にして資格を取得する必要はないです！
ステップ4. データサイエンスに入門する
- ここでデータサイエンティスに入門、はやたすさんのコース、または以下のudemyのコースを学んでみる。
【ゼロから始めるデータ分析】 ビジネスケースで学ぶPythonデータサイエンス入門
ステップ5. データ分析で必須ライブラリに慣れる
numpy,pandas,matplotlib,serboanなど基本的なものを学びましょう。
上のライブラリを本で学ぶなら「pythonによるデータ分析入門 第2版」がおすすめ。
kindle本のある「東京大学のデータサイエンティス育成講座」もよい。
「東京大学のデータサイエンティス育成講座」
ステップ6. 統計学の基礎を学ぶ
統計学とは切り離せません。
統計学を学ぶには、統計webで学びましょう。
統計webを使ってEラーニングすれば、統計学検定2級相当の知識を身に着けられます。
https://bellcurve.jp/statistics/course/
また統計学検定を直接やってみるのも統計学の最適な学習になります。
ステップ7. 機械学習についてより深く学ぶ
実践はこちらの本「python機械学習プログラミング達人データサイエンティストによる理論・実践」で学ぶとやりやすい。
「python機械学習プログラミング達人データサイエンティストによる理論・実践」
理論は「筑波大学オープンコースウェア機械学習」で学ぶと包括的に学べる。
https://ocw.tsukuba.ac.jp/course/systeminformation/machine_learning/
ステップ8. kaggleかSIGATEに挑戦する
kaggleは企業が賞金をかけてコンペになります。