初心者がUdemyの動画でデータ分析の基礎を学んでみた

初投稿です。
1ヶ月くらい前からUdemyを使ってデータ分析の勉強をしています。
Twitter,ブログ等いろいろな情報から、アウトプットの重要性を感じたため、
まだまだ学習途中ですがUdemyの動画を通して、データ分析について学んだこと・感じたことをまとめてみました。

学習開始前の私のスペック

• プログラミングスキル
  • PythonはProgate一周したくらいの知識(基本構文がわかるくらい)
• 数学
  • 高校では数学Ⅱ・Bまで学習しました(一般的な文系が学ぶくらいの知識)
  • 大学の1年のときに偏微分とか線形代数とかはやりましたが、
    動画で線形代数を見たときに「行列の掛け算って面倒だったけど、どうやるんだったけ？」となった感じの知識です。
• データ分析・機械学習について
  • 統計学が大学の必修でしたが、つまらない授業だったという記憶しかないです。(もっと真剣に受けておけばと後悔してます…)
  • 前提知識とか何もなく、「ゼロから作るDeep Learning」を読んで、「これ、わからん…」となりました。

なぜ動画での学習を選んだのか

• いい意味で、テキトーに学習できると思ったから
  • 書籍での学習を少しやっていましたが、記載されている内容を完璧に理解しようとしてしまい、なかなか次に進むことができない状態でした。
    → 動画はあくまでも全体像を理解するために使おうと思って導入し、わからなくても後で見直せばいいやという気持ちで進めました。
• 実際にコード・数式を書いている姿を見ることができるのが良いと思ったから
  • 下に記載している動画のほとんどはコードを説明しながら書いてくれます。
    (キカガクの講義については数式を手書きまでしてくれます)
• 通勤時間に耳から学習できることが良いと感じたから
  • 通勤電車の中で本を広げるのは難しいときがありますが、動画を耳から聞くだけなら可能ですし、テキトーに進めることを意識するのであれば、聞き流すことができるのはむしろ好都合であると考えました。

Udemyで見た動画

今回は統計学についての学習・Pythonでのデータ分析の基礎を学びたかったため、以下の5個の動画を見ました。
- 【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
- 【ゼロからおさらい】統計学の基礎
- 【キカガク流】人工知能・機械学習 脱ブラックボックス講座 - 初級編 -
- 【キカガク流】人工知能・機械学習 脱ブラックボックス講座 - 中級編 -
- 【世界で5万人が受講】実践 Python データサイエンス(現在学習中)

動画について

【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

• 概要

  • Jupyter Notebook、SIGNATEの練習問題のデータを使用し、講義が進みます。
  • 実践が意識されており、環境構築についての説明後は、Pythonの基礎的な学習などは特になく、データを読み込み、データ分析の流れに沿って学習が進みます。
  • 講義パートと実践パートに分かれており、講義パートで講義を聴きながら実装し、実践パートで講義とは少し違う設定の問題を解く形式です。
  • 基本統計量の確認、線形回帰分析、重回帰分析、決定木モデル、グリッドサーチなどなど、データ分析の流れ・方法を学ぶことができます。

• 良かった点

  • 最初からデータを使用し、データ分析の流れに沿った学習を進めることができたため、「こういう流れでデータ分析が進むのか」ということがよくわかりました。
  • 平易な表現・例を使用してくれているため、大変わかりやすくすんなりと学習が進みました。

【ゼロからおさらい】統計学の基礎

• 概要

  • 統計学の基礎的な内容について学習します。
  • 基本統計量・確率分布・仮説検定について、スライド・Excelを用いて進みます。
  • 題の通り、「ゼロからおさらい」を意識して講義してくれます。

• 良かった点

  • 統計学の基礎的な部分を「ゼロから」わかりやすく学ぶことができました。
  • 本講義を受けたことで、より応用的な内容への興味を持てたのかもしれないと感じています。

【キカガク流】人工知能・機械学習 脱ブラックボックス講座 - 初級編 -

• 概要
  • 「人工知能・機械学習・ディープラーニングとは」という説明から、数学(微分)、Pythonの初期的な学習、単回帰分析とその実装までを教えてくれます。
  • 数学の講義では、数式を手書きする形式で進みます。
  • PythonはJupyter Notebookを使用して、変数・基本構文・制御構文などについて実際にコードを実装・実行しながら講義が進みます。
• 良かった点
  • 数学を手書きでの計算を見ながら学べたのは、わかりやすく・懐かしく、理解が進みやすかったと感じます。
  • Pythonを初歩的な部分から講義してくださるため、Pythonの復習になりました。Pythonを全く知らない方でもすんなりと入る内容に思います。
  • 今の私なら、最初にこの講義から学ぶと思います。

【キカガク流】人工知能・機械学習 脱ブラックボックス講座 - 中級編 -

• 概要

  • 線形代数、重回帰分析とその実装、外れ値の除去などを学びます。
  • 初級編と同様に数学の講義は数式を手書きする形式で進みます。
  • PythonはJupyter Notebookを使用して、学習した線形代数の計算や重回帰分析の実装をしながら講義が進みます。

• 良かった点

  • 初級編と同じ方が講義をしてくれるため、内容が入りやすかったですし、初級編と中級編で繋がりを持った講義をしてくれるのは良かったです。
  • 初級編同様、数学を手書きの形式で進めてくれるため、理解がしやすいように感じました。特に、個人的に不安だった線形代数部分も理解が進みやすかったと思います。

【世界で5万人が受講】実践 Python データサイエンス (現在学習中)

• 概要

  • numpy、pandas、データ解析の基礎、データの可視化、機械学習などのデータ解析に関わる内容を講義してくれます。
  • Jupyter Notebookと講師の方が準備してくれたデータを用いて講義が進みます。
  • Pythonの初歩的な部分については付録部分を視聴すれば、理解が進むかもしれません。(私は未視聴です。)

• 良かった点(まだ学習途中ですが)

  • 私にとっては、今までの学習の総復習・知識を広げるのに最適な内容です。機械学習のレクチャーでは、線形回帰に加え、ロジスティック回帰、サポートベクトルマシン(SVM)なども学習でき、総復習・知識の拡大に良いレクチャーと感じています。
  • 幅広くデータ分析に必要な内容を講義して頂いているので、今後も辞書的な使い方をしていきたいと感じています。

動画を見て学べたこと・感じたこと

上では、動画個別に学べたことを書きましたが、ここでは全体を通して学べたことを書きます。

• データ分析全体の流れを理解することができました。
  • 初歩的な内容ですが、データの前処理から可視化・解析等を実施することで、データ分析の流れを学習することができました。 → 初心者にありがちな「今学んでいることが全体のどこでどのように使われるのかわからない」という状況を避けられるのではと感じています。
• データ分析への興味が強くなり、統計分析の知識をさらにつけようと書籍を使っての学習を進め始めました。
  • 動画での学習を通して、データ分析の面白さを感じ、更に学習を進めようと以前購入した書籍を再度読むのとともに、新たな書籍での学習も進めています。 → 動画での学習を通して、「ある事柄について完璧に理解できなくても先に進むことで後から理解することができることもある」という至極当然なことを再確認できたので、書籍の学習もいい意味でテキトーに進めています。

終わりに

動画での学習を通して統計分析に興味を更に持ったので、以下を進める予定です。

• 動画を通してデータ分析の流れ等がわかり、抵抗がなくなったこともあって、本を読み始めています。
  • 統計分析の知識が少ないため、統計に関する書籍を読む(現在進行中)
  • 「ゼロから作るDeep Learning」にも再挑戦予定
• Kaggleのチュートリアルを行う予定
• CourseraのMLコースを受講する予定
• Rでの統計分析もやってみたい
• 線形代数については知識が足りていないと感じるため、集中的に学習予定

まだまたやりたいことがたくさんです…がんばります！
最後までご覧頂き、ありがとうございました。
ご指摘・ご意見・誤り等ございましたら、コメント頂けると助かります。