Dataiku Academyのラーニングパス完全ガイド（一部執筆中）

Posted at 2025-05-05

2025年5月4日時点の内容となります。また、一部執筆中であること、ご理解ください。

1. はじめに

ブログの目的：Dataiku Academyのラーニングパスの紹介: Dataiku Academyが提供するラーニングパスの種類と内容を詳しく説明し、読者が自分に合った学習コースを選ぶ手助けをする。
Dataiku Academyとは：Dataiku Academyは、Dataiku DSS（Data Science Studio）を使ったデータサイエンスや機械学習のスキルを習得するためのオンライン学習プラットフォームです。初心者から上級者まで、幅広いレベルの学習者に対応しており、視覚的なツールを使ったデータの準備・加工、機械学習モデルの構築、データパイプラインの設計など、実践的なスキルを身につけることができます。

　Dataikuに関する詳細は別ブログを参照ください。

2. ラーニングパスの概要

Dataiku DSSを使ったデータサイエンスや機械学習のスキルを体系的に習得するためのガイドです。初心者から上級者まで、各レベルに応じた学習コースが用意されています。

以下はラーニングパスの概要です：

1. Core Designer

Dataikuの基本的な使い方やデータパイプラインの構築方法を学ぶコース

2. Advanced Designer

Dataikuの視覚ツールを使った高度なデータパイプラインの構築方法を学ぶコース

3. ML Practitioner

機械学習モデルの構築方法を学ぶコース

4. Generative AI Practitioner

DataikuのLLM視覚レシピを活用する方法を学ぶコース

5. Developer

Dataikuのコード統合と視覚ツールを超えた技術的スキルを習得するコース

6. MLOps Practitioner

プロジェクトやAPIサービスの展開と監視方法を学ぶコース

3. 各ラーニングパスの詳細

1. Core Designer

・内容: Dataikuの基本的な使い方、データパイプラインの構築方法

・コースの数: 5コース

・受講対象者: Data Designer (No-code business & data analysts)

・コースの詳細

コース(R/A)※	概要	紹介される機能(一部)
Interface & Data Exploration (R)	Dataikuの全体概要を理解する。プロジェクトの作成方法データ接続、データセットの作成可視化などによるデータ分析、探索	Project Flow Dataset Data Connection Dataset characteristics(storage Type/Meaning/DatasetSchema) Sampling Column Analysis charts
Visual Recipes (R)	データクレンジングのためのビジュアルレシピを学ぶビジュアルレシピのインターフェースや種類を理解いくつかのレシピを実践	Recipe ( Prepare, join, geo, group, window, sort, topN, pivot, sample/filter, distinct, stack, split, sync ) Dataiku formulas Regular expression
Collaboration (R)	プロジェクトや成果物を他者と連携しながら開発するための機能やTipsを学ぶタグの利用で検索性を向上させる知見や情報共有のためにwiki、Discussion、Dashboardsを利用する	Tags Discussion Data Catalog Dashboards Workspace Workflow Documentation(wiki)
Dataiku & SQL (A)	DataikuでSQL Databaseを利用するための方法や機能を学ぶ Databaseのためのアーキテクチャ構造 DataikuにおけるDatabaseアクションの振る舞い SQLレシピやnotebookを使ってデータを操作する方法 SQL実行エンジンの利点と活用方法	Data Connection Move data to a database with a sync/prepare recipe In-database data visualization and preparetion SQL Notebooks SQL Recipe
Geospatial Analytics (A)	Dataiku DSSを使用した地理空間分析に関するコースの概要が紹介されています地理空間データの取り扱い地理空間分析の基本概念地理空間データの変換と操作地理空間分析の実践	No code maps Geo join recipe Geo Router plugin(Compute isochrones and routes)

※補足
・Ｒ：Recommended Courses to Prepare for Certification　認定資格の前に受講した方がいい
・Ａ：Additional Learning　追加学習を推奨する項目

2. Advanced Designer

・内容: Dataikuの視覚ツールを使った高度なデータパイプラインの構築

・コースの数: 7コース

・受講対象者: Data Designer (Business analysts, data engineers, and power users)

・コースの詳細　

パート(R/A)※	概要	紹介される機能（抜粋）
Variables (R)	メンテナンス性向上や自動化の強化のためにVariables（変数）を学ぶ Dataikuで利用できる変数の種類ジョンソン形式でプロジェクト変数の設定ビジュアルレシピでプロジェクト変数の利用	Type(instance/project/scenario) Usage(visual/code) Syntax (JSON) visual components Evaluate Coding(SQL/Python/R)
Data Pipelines (R)	データパイプライン構築や管理の考え方や機能を理解する実行形式（Build modes）の種類を理解ストレージ接続の変更レシピエンジンの選択方法を理解大規模なプロジェクトを管理するためのゾーンの作成	Build only this Build upstream(only modified/all upstream) Build downstream(all downstream/find outputs and build recursively) Connection changes Computation engines Flow Zones
Data Quality & Automation (R)	データ品質のルール設定や自動化フローの作成を学ぶデータメトリクスの重要性データ品質ルールの作成シナリオ構築、実行制御シナリオに関するアラート送信	Metrics Data quality rules Data lineage Data quality Scenarios Scenarios reporters
Dataiku Applications (A)	アプリケーションとして、プロジェクトを再利用できるカスタマイズ方法を学ぶアプリケーションの使用例を認識アプリケーションとwebアプリなどの他の機能との違いを理解ビジュアルアプリケーションを作成アプリケーションをレシピとして作成	Dataiku application Visual dataiku application Dataiku application-as-recipe
Git for Projects (A)	Gitを利用してプロジェクトのバージョン管理を行う方法を学ぶ DataikuでGitがどのように機能するか理解 DataikuをリモートGitHubリポジトリに接続ブランチとマージを使用して、ローカルおよびリモートでバージョン管理	Version control Project export Branch/Merge Add remote Undo action
Partitioning (A)	効率的な計算や柔軟なデータ管理のためにパーティションを学ぶパーティションの利用タイミングパーティションの設定/解除パーティションの運用	Partitioning Partitioned dataset Partition redispatch and collection File-based/column-based partitioning Partitioning in a scenario
Project Deployment (A)	開発環境から本番環境に移行するための２つの主要なフレームワークのうちの１つ、バッチ展開を学ぶ本番環境に展開するための準備プロジェクトバンドルの作成、展開、バージョン管理自動化されているプロジェクトを監視するためのシナリオ構築	Recipe engin flow view SQL pipeline Runtime Wiki for maintenance Automation node Project deployer Bundle Jobs Automation monitoring (scenario runs)

※補足
・Ｒ：Recommended Courses to Prepare for Certification　認定資格の前に受講した方がいい
・Ａ：Additional Learning　追加学習を推奨する項目

3. ML Practitioner

・内容: 機械学習モデルの構築

・コースの数: 11コース

・受講対象者: Advanced Analytics Designer (Data scientists)

・コースの詳細

パート(R/A)※	概要	紹介される機能（一部）
Machine Learning Basics (R)	Dataikuによる機械学習の基本操作を理解する。機械学習のためのデータセットを準備ビジュアル機械学習を使用してモデルを作成モデルの評価と調整 Explainable AIを活用	Feature selection/handling Visual ML Model design Feature engineering&reduction Algorithms&hyperparameters Model interpretation(Feature importance,Prtial dependence, Subpopulation analysis, Individual explanations) Model performance(confusion matrix etc…) What if analysis
Scoring Basics (R)	学習済みモデルをデプロイし、新しいデータに対して予測・評価する方法を学ぶモデルをLabからFlowにデプロイラベルなしデータセットをスコアリングのために準備予測モデルをラベルなしデータセットに適用	Deploy Score/Evaluate recipe Predict recipe
Interactive Statistics (R)	Dataikuでビジュアル統計ツールを使用する方法を学ぶ記述統計と推測統計を使用してEDAを実行カーブと分布のフィッティングを実行相関行列でペアワイズ相関を探索次元削減の影響を分析	Statistics workheet/cards univariate and bivariate analyses fit curves and distributions Colleration matrix PCA Hypothesis testing Generate statistics recipe
Intro to Machine Learning (A)	機械学習の概念を理解する教師あり学習と教師なし学習などの初歩的な概念予測とクラスタリングの違いランダムフォレストや決定木などの分類アルゴリズム単回帰および重回帰などの回帰アルゴリズム	Predictive Modeling Regression & Clasification Clustering
Machine Learning 102 (A)	Dataikuでのモデルの開発、解釈、使用についてさらに深く理解するモデルを改善するための新しい特徴を生成モデルの結果を確認するために、モデルのオーバーライド、診断、およびアサーションを使用異なる状況でモデルの結果をシミュレート	Feature generation Overrides ML diagnostics ML assertions Optimize outcome (What if?)
Responsible AI (A)	Dataikuの機能を使用して、AIの出力を責任ある原則に沿ったものに保つ方法を学ぶデータセットに存在するバイアスを見つけて測定 DataikuのModel Fairnessプラグインを使用モデル設計を改善するためのさまざまな解釈技術を実行 Dataikuの組み込みの説明可能なAIツールを活用 AIモデルを透明で理解しやすいものにするための堅牢なレポートを作成	Model fairness report
Partitioned Models (A)	データセットのサブグループでトレーニングされたパーティションモデルとデータセット全体でトレーニングされた非パーティションモデルとの結果を比較する方法を学ぶ同僚にパーティションモデルを説明する。 Dataikuでパーティションデータセットからパーティションモデルを作成する。非パーティションモデルとパーティションモデルの結果を比較する。	Partitioning Partitioned models
NLP - The Visual Way (A)	Dataikuでビジュアルツールを使用して自然言語データを準備し、モデル化する方法を学ぶ自然言語処理（NLP）の目標と課題を理解する。正規化、ストップワードの除去、ステミングなどの変換を使用してNLPタスクのためのデータセットを準備する。機械学習タスクでテキスト特徴を処理するための異なる戦略を適用し、それらのトレードオフを理解する。	Simplify text Text handling N-grams Stopwords Min/Max. rows fraction % TF-IDF vectorization
Image Classification and Object Detection without Code (A)	Dataikuのディープラーニング機能を使用して画像分類と物体検出を行う方法を学ぶ画像分類や物体検出のタスクにおいて、事前トレーニング済みモデルを微調整する利点を認識する。	Pre-trained models in Dataiku(Efficiency-oriented/Balanced between efficiency and performance/Performance-oriented) Data augmentation Visual recipe Image classification Confusion matrix/Density chart Object detection Performance metrics
Time Series Analysis & Forecasting (A)	時系列データに対する基本概念の理解からDataikuによるモデル構築の操作を学ぶ・時系列データの特性、使用例、形式、および構成要素を理解する。時系列データに対する統計分析を実行する時系列データに対する予測モデルを構築する	Time series analysis(Trend & Seasonality,Mann-Kendall trend test,Autocorrelation) Time Series Forecasting Deploy prediction model
Time Series Preparation (A)	分析やモデル構築の前段階として、プラグインを利用したデータの準備を学ぶ時系列準備のさまざまな目的。 Time Series Preparationプラグインの各レシピの使用方法、以下を含む：-リサンプリング-間隔抽出-ウィンドウ処理-極値抽出-分解	Parsing the dates Converting to wide format Time Series Preparation plugin

※補足
・Ｒ：Recommended Courses to Prepare for Certification　認定資格の前に受講した方がいい
・Ａ：Additional Learning　追加学習を推奨する項目

4. Generative AI Practitioner※作成中

・内容: DataikuのLLM視覚レシピを活用する方法

・コースの数: 2コース

・受講対象者: Data Designer (No-code business & data analysts)

・コースの詳細

パート(R/A)※	概要	紹介される機能（抜粋）
Text Processing With LLMs Using Visual Recipes
Retrieval Augmented Generation(RAG) with LLMs

※補足
・Ｒ：Recommended Courses to Prepare for Certification　認定資格の前に受講した方がいい
・Ａ：Additional Learning　追加学習を推奨する項目

5. Developer※作成中

・内容: Dataikuのコード統合と視覚ツールを超えた技術的スキルの習得

・コースの数: 7コース

・受講対象者: Data Designer (No-code business & data analysts)

・コースの詳細

パート(R/A)※	概要	紹介される機能（抜粋）
Code with Dataiku
Custom Automation
Plugin Development
Dataiku for R Users
Webapps
Custom ML Models
Shared Code

※補足
・Ｒ：Recommended Courses to Prepare for Certification　認定資格の前に受講した方がいい
・Ａ：Additional Learning　追加学習を推奨する項目

6. MLOps Practitioner※作成中

・内容: プロジェクトやAPIサービスの展開と監視

・コースの数: 6コース

・受講対象者: Data Designer (No-code business & data analysts)

・コースの詳細

パート(R/A)※	概要	紹介される機能（抜粋）
Production Concepts
Project Deployment
API Deployment
Production Monitoring
Dataiku Govern
Advanced Dataiku Govern

※補足
・Ｒ：Recommended Courses to Prepare for Certification　認定資格の前に受講した方がいい
・Ａ：Additional Learning　追加学習を推奨する項目

4. ラーニングパスの選び方

自分に合ったラーニングパスの選び方

Dataiku Academyでは、様々なラーニングパスが提供されています。自分に合ったラーニングパスを選ぶためには、以下のポイントを考慮しましょう：

スキルレベル: 初心者、中級者、上級者向けのコースがあるため、自分の現在のスキルレベルに合ったものを選びましょう。
キャリア目標: データサイエンス、機械学習、データエンジニアリングなど、自分のキャリア目標に合ったラーニングパスを選ぶことが重要です。
興味のある分野: 自分が興味を持っている分野や学びたい内容に基づいて選びましょう。

認定試験の準備

各ラーニングパスは、Dataikuの認定試験の準備に役立つように設計されています。認定試験に向けて効率的に学習するためには、以下の点を考慮しましょう：

推奨コース: 認定資格の前に受講することが推奨されるコースを選びましょう。
追加学習: 認定試験に向けてさらに深く学びたい場合は、追加学習を推奨する項目も検討しましょう。

5. まとめ

Dataiku Academyのラーニングパスの重要性

Dataiku Academyのラーニングパスは、データサイエンスや機械学習の分野での専門知識を体系的に習得するための最適な方法です。各ラーニングパスは、特定のスキルセットやキャリア目標に合わせて設計されており、効率的に学習を進めることができます。

自分に合ったラーニングパスの選び方

ラーニングパスを選ぶ際には、自分のスキルレベル、キャリア目標、興味のある分野を考慮することが重要です。Dataiku Academyでは、初心者から上級者まで、幅広いレベルに対応したコースが提供されています。

認定試験の準備

各ラーニングパスは、Dataikuの認定試験の準備に役立つように設計されています。認定試験に向けて効率的に学習するためには、推奨コースや追加学習を検討することが重要です。

次のステップ

読者は、Dataiku Academyへの登録を検討し、自分に合ったラーニングパスを選びましょう。継続的な学習を通じて、データサイエンスの世界での成功を目指しましょう。

以上

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up