データサイエンスを学ぶには？初学者にオススメの学習方法

「データサイエンスの教材や情報がいっぱいありすぎて、何から手をつけていいかわからない…」

この記事では、「データサイエンスに必要な学習分野」と「学習方法」についてまとめます。

この記事がカバーする内容

データサイエンスはどんな知識・スキルを必要とするのか
データサイエンスを学ぶためにどんな学習方法があるか

データサイエンスに必要な知識

データサイエンスは何を勉強したらいいのでしょうか？

データサイエンスは「コンピュータサイエンス」と「数学・統計」を学ぶ必要があります。

コンピュータサイエンス

データサイエンスで使用する代表的なプログラミング言語に、PythonとRがあげられます。他には、MATLAB、Julliaも候補にあげられます。

プログラミング言語は、データのクリーニング、計算の実行、特徴を捉えるためのデータ可視化、を実行するために必要なスキルとなります。

また、データベース構造の基本的な概念を学ぶ必要があります。

MySQLのようなリレーショナルデータベース管理システムから、SQLを使って必要なデータを抽出するスキルも必要です。Hadoopのようなビッグデータを高速で処理するためのツールを扱う必要もあります。

数学・統計

大きく分類すると、数学は線形代数と最適化、統計は確率変数、確率分布、推定、検定を習得する必要があります。

数学と聞いて抵抗を感じるかもしれませんが、数学の知識は、データサイエンスにとても大切です。例えば、線形代数は機械学習を理解して扱うために必要です。

正確に計算するというより、理論を理解することに注力したほうがいいです。

高校・大学時代、私も線形代数が何の役に立つのか、分かっていませんでしたが、データサイエンスに興味を持ったおかげで、30歳を超えてから線形代数の面白さに気づくことができました。

効果的な学習方法

以下の２パターンが学習方法として考えられます。

学習とデータ解析を並行して行う
一通り勉強した後にデータ解析を行う

「学習とデータ解析を並行して行う」ことをオススメします。

「忘却曲線」⁽¹⁾から示されるように、私たちは勉強した内容の半分以上を1日後には忘れてしまうからです。

参考書やネットから知識をつけるだけでは、スキル習得に繋がりません。スキルを身につけるためには、実際に手を動かす必要もあります。

したがって、勉強したことをデータ解析してみる → 分からないことがあれば調べ直す、プロセスを繰り返すことが、知識・スキルの習得にもっとも効果的です。

参照(1): Wikipedia, “忘却曲線”, (12/20/2020 アクセス)

オススメの学習教材

何かオススメの学習教材はありますか？

基本的な内容を勉強するためにオススメの教材として下記があげられます。

学習教材・環境

オンライン学習
ナレッジコミュニティ
大学
Kaggle

オンライン学習

オンライン学習はどんどん人気になっています。今後、さらに工夫を凝らした新たなコンテンツが登場すると考えられ、オンライン学習はさらに人気になるでしょう。

今回は、edXをオススメのオンライン学習サイトとして紹介させて頂きます。

edX

マサチューセッツ工科大学(MIT)とハーバード大学によって創立されたMassive open online course(MOOC)のプラットフォームです。世界中の学生に多岐な分野にわたる大学レベルの授業を無料で提供しています。

20年12月時点で、学生数はなんと3300万人にのぼり、3000以上のコースが無償で提供されています。

edXのデータサイエンスに関するコースは、こちらのサイトから提供されています。
“Data science course on edX”

メリット
世界の有名大学が教えるデータサイエンスコースを受講できます。海外の大学の授業の雰囲気を知るには、いい機会になると思います。

また、PythonのコースはIBMからも提供されています(“Python Basics for Data Science“)。こちらも無料で受講できますので、Pythonを初めて学ぶ方にはオススメです。

また、コース修了証明書を有償で発行できます。海外ではLinkedInのプロファイルに、修了証明書を記載でき、資格として認定されます。日本でも、こうしたデジタルコースの修了証明書を資格として取り扱おうとする動きはあるので、今後の動向に注目です。⁽²⁾

デメリット
英語で配信されているため、英語が苦手な方は、抵抗を感じるかもしれません。視点を変えれば、アカデミックイングリッシュも学ぶことができ、一石二鳥です。

オンラインで修士号取得が可能なコースも提供されていますが、そういったコースは有償なので、コース概要を受講前にしっかり確認する必要があります。

参照(2): 日経XTEC, “学びの証し「オープンバッジ」、その秘めたる可能性とは”, (3/24/2020)

ナレッジコミュニティ

プログラミングに関する知識共有コミュニティで、様々な種類のプログラミング言語に関する質問が投稿・回答されています。ここでは、Stack Overflowとteratailを紹介します。

Stack Overflowとteratail
活躍されているエンジニアの方が、投稿した質問に対して、丁寧に回答してくれます。登録は無料です。2020年時点で、世界最大コミュニティのStack Overflowの会員数がおよそ1400万人、teratailの19年の会員数がおよそ10万人、と発表されています。⁽³⁾⁽⁴⁾

メリット
初心者がつまづくような問題は、すでに多く質問されており、検索すれば、ほとんどは解決されます。

ユーザーのアクティビティも高く、レスポンスはとても速いです。対応が丁寧な方も多い印象で、何度かお世話になりました。

また、teratailの回答率は90%近くあり、比較的はやく回答を得られやすいです。

デメリット
注意事項として、投稿の際、抽象的な質問は避け、具体的に質問することを気に掛ける必要があります。相手のことを考えて質問すれば、特に問題は起きないと思います。

教育視点のエンジニアの方が多い印象で、答えが直ぐ欲しいタイプの方には向いてないかもしれません。

そういった方は、例えば、有償のオンラインコースを受けるか、優秀な方を自分で見つけ、気軽に回答を得られる方法を作るほうがいいでしょう。

Stack Overflowは英語圏のユーザーも含まれているため、英語での質問・回答が多いです。

英語が苦手と感じるなら、teratailの使用がいいでしょう。

参照(3): StackExchange, (2020/12/20アクセス)
参照(4): PRETIMES, “月間約150万人のITエンジニアが利用する「teratail」技術コミュ二ティ向け新機能をリリース”, (4/18/2019)