More than 3 years have passed since last update.

データサイエンティストへの道

Last updated at 2021-04-27Posted at 2020-05-21

はじめに

私は、首都圏の理系大学に通う大学4年生です。
ありがたいことに早いうちにデータ系のエンジニア職の内定をいただけました。
大学の研究室では、プログラミング言語のPythonを軸に機械学習を勉強しています。
でも、covitショックで大学の研究室にはいけなくなり、独自に勉強せねばならぬ...!
しかも、自分の実力が会社に入ってから通用するのか？勉強しなきゃ...!!!
となった僕が、今まで独学で勉強してきた物を紹介&リストアップ

Step1 : Pythonを理解しようぜ

機械学習やAIを勉強していくに当たって、Pythonの基本的な文法がわからんぞってなると行き詰まってしまいました。
そのため、僕が使ったPythonの勉強サイトは、こいつらです。Python以外の言語を勉強するのにも使える！

EntryNo.1 : Progate

言わずと知れた、プログラミング学習サイト。
スライドと環境構築不要のエディター付きの学習サイトになっている。
解説がスライドなので、音楽を聴きながら勉強することができるのが個人的なGoodポイント。
とくにGoodなのは、後述するPaizaラーニングにもあるが、環境構築不要のエディターがあることが、初心者に優しい。
こいつだけで、結構な基礎を勉強することができる。
実際に他の言語とかも勉強することもできるし、まじで便利。

おすすめ度:★★★☆☆
URL : https://prog-8.com/

EntryNo.2 : Paizaラーニング

Paizaラーニングは、動画と環境構築不要のエディター付きの学習サイト。
前述のProgateと違うのが、スライドではなく動画であること。
しっかりと動画で、動いているところが見れるからしっかりと自分で手を動かしながらコードを構築することができるのがGood。

また、Paizaの運営会社「paiza株式会社」は、HR（人材系）の事業をやっていることから、自分が勉強したプログラミング知識で就職活動をすることができるのがとてもよかった。
(自分もここで就職を決めることができた。)

動画で基礎を勉強することができ、職にまでつなげることができるところがとてもよかった。
学習教材の内容も独自の内容なので、飽きずにやることができる。
progate同様こいつだけで、結構な基礎を勉強することができる。
実際に他の言語とかも勉強することもできるし、まじで便利。

おすすめ度：★★★★☆
URL : https://paiza.jp/works

EntryNo.3 : ドットインストール

ドットインストールは、動画のみの学習サイト。
前述した二つのサイトに比べ、環境構築が必要な点がネックになっているからあまり使わなかった。

ただ、強みとして前述した二つのサイトに比べて、カバーしている領域の広さがとても広い。
マイナーながら統計学をやっていれば一度は目にする「R」の講座があったり、「VBA」や「GAS」、「Docker」などの知ってたら地味に便利になる物の学習ができたり、最近では前述した二つにも増えてきたが、「AWS」の講座があったりとほんとに幅が広い。

おすすめ度：★★☆☆☆
URL : https://dotinstall.com/

Step1まとめ

ここまで紹介してきたサイトのPythonの基礎を勉強することができれば、この後に記載する学習サイトでも特に苦労せずに以降できると思います。
全部やらずとも、一つだけ自分に合うと思うサイトを使えばいいと思います。
何をやれば良いかわからない人は、個人的にPaizaを使えば良いのではないかなと思っています。
就職にも繋がるって良くない？笑

Step 2 機械学習・AIってなんだ？

Pythonの基礎がわかったところで、ここから機械学習について勉強をしました。
ここら辺から、僕はサイト以外にも本などを使って勉強をし始めました。

EntryNo.1 : キカガク

キャッチコピーが

最先端を、最短距離で身につける。初学者から始められる学習サイト

基礎的なところから、しっかり勉強することができるサイト。
機械学習初心者から、中級者に上がるまでをサポートしてくれるようなサイト。

大きく分けて、「自然言語」「画像処理」「ディープラーニング」などの基礎的なところを無料で勉強することができるサイト。

tensorflowやpytorchのどちらかで勉強するコースが整っているが、基本的に自分の環境が整っている人向けという印象。
ただ、環境構築についてもチュートリアルで説明があるので、敷居は低め！
Google ColaboratoryというGoogle様が提供しているとても素晴らしいエディターでも一応勉強することはできる。

おすすめ度：★★★★☆
URL : https://www.kikagaku.ai/

EntryNo.2 : AI academy

ゴール別にカリキュラムを設定してくれるので、便利。
「AWS」「GCP」や「R」などの機械学習を扱う上で便利なその他ツールの解説などがドキュメント形式である便利なサイト。
Pythonの基本的な文法から立ち戻って勉強することができるが、基礎を勉強するならStep1のサイトの方がわかりやすかったなとか思ったり。
「画像認識」「動画認識」などの分野を勉強することができ、学べる幅が広い。ただ、深いところまで勉強するには、課金しなければいけないのだが、月額1000円ほどで勉強ができるので結構良いのではとか思って私は課金してます。

環境構築についてもこのサイトにチュートリアルがあるので、しっかり自分のPCに環境を作ることもできる！

おすすめ度：★★★★☆
URL : https://aiacademy.jp/

EntryNo.3 : aidemy

僕はまだあまり使いこなしていないが、AI・機械学習を勉強することができるサイト。
コース別に技能を習得することができるみたい。
あまり使ってないので、コメントは程々にしておきます。

おすすめ度 : 未知数
URL : https://aidemy.net/

EntryNo.4 : Signate Gym

Step4に記載しているSignateからのメールであることに気づいた学習サイト
衛星データの基礎知識や衛星データ分析を実践的に学ぶ講座「TellusTrainer」を 6月末（予定）まで無償公開している。
このデータは、信号データなどを含んでいるデータになっているため、なかなか学習がし難い領域を勉強することができそう。

書籍編

書籍で購入したいという方もたくさんいると思います。
僕が購入している書物をいくつか紹介します。

Python実践データ分析100本ノック
結構しっかりと勉強することができる。
データの配布もあり、分析をJupyterで行うことができるのがポイント高め。
前処理大全
どちらかというとStep3であると便利な本。
辞書的な運用がメインになるけど、あると便利。
Kaggleで勝つデータ分析の技術
Step3で紹介しているKaggleで使えるスキルについて書いてある本。
この本が出版されたときにKaggle上で日本のKagglerのスコアが異常に伸び、日本のKagglerが不正を疑われたとか噂がある本。
機械学習を志すなら、持っておいて損ないと思う一冊。
AI白書
いるかいらないかでいうと微妙だけど、AI市場の動向はわかる。
高校数学でわかるディープラーニングのしくみ
深層学習教科書ディープラーニング G検定（ジェネラリスト）公式テキスト
統計学が最強の学問である　数学編

番外編

中学数学からはじめるAI(人工知能)のための数学入門

Youtuberの予備校のノリで学ぶ「大学の数学・物理」（通称：ヨビノリ）が、Aidemyとコラボした動画。
AIや機械学習のうらで動いている数学を解説してくれている動画になっており、しばらく数学とはご無沙汰だなと感じているそこのあなた！是非見てみると良いですよ！

ヨビノリさんのYouTubeチャンネルはこちら

他の動画でも数学などを取り扱っているので、是非見てみてください。

言語処理100本ノック

言語処理にフォーカスをした物
東北大学の乾・岡崎研究室（当時）（現在は乾・鈴木研究室）の新人研修の一つであるプログラミング基礎勉強会で使われてきた物。

Qiita上に答えのようなものが、いくつかあるので自分で勉強していくこともできると思います。

URL : https://nlp100.github.io/ja/

importについて詳しく知りたい...

まにゃpy@Python解説の猫さんのツイートのなかにあった良く分かるimportの話。
今まで、呪文のように唱えていたimportやfrom 〇〇 import ××についてシックリくる形で解説されています。

Pythonのパッケージやモジュールをimportする方法は

import モジュール名
from パッケージ名 import モジュール名
import パッケージ名.モジュール名
from モジュール名 imoport 関数名
import モジュール名 as 〇〇

などがあります。これらの違いを詳しく解説しました。https://t.co/qgqaKs27t9
— まにゃpy@Python解説の猫 (@uuyr112) May 18, 2020

URL : https://twitter.com/uuyr112/status/1262259224903421952?s=20

Step3 : 実際に分析してみよう！

ここまできたあなたは、きっと自分が成し遂げたいことを実現する能力を身につけていると思います。
ここから先の分析の勉強をするにあたって、方法としては大きく分けて、２つあると思います。

コンペに参加する。
自分でデータを集める。

コンペへの参加

敷居が低いものとしては、コンペに参加することをあげることができます。
コンペとして有名なのは、

などがあると思います。

Kaggle

世界中のデータサイエンティストがしのぎを削るコンペ
最先端のアルゴリズムなどを使っている人もいるため、Kernelというコードを読んでいるだけでもとてもとても勉強になる。
ただ、データサイエンスの領域になると文化的側面やコンペ対象に深い知識がないと難しい。
そういった面で、外国発のコンペということもあって、難しいように感じる。

Step2までとは違って、ほんとに難しい。
これをやるといきなり100点を目指さずに、不完全でも良いからアウトプットをしていくことの大切さを知る。
Kaggleチュートリアルは、いろんな方が出しているので、それをやっていくことで力を伸ばせるのでは？と思っています。

みなさんお馴染みのメルカリについてのコンペもあり、ここから僕は入りました。
メルカリチュートリアル

他に有名ところだとタイタニック号などもありますので、様々なチュートリアルを経てコンペにチャレンジしてみると良いかもしれないです。