【2020年最新】データサイエンティスト完全初心者のための最短学習ロードマップ

データサイエンティストで稼ぐ
ワタシナガタ

プログラミングだけで成り上がりました。ITビジネスが得意です。Pythonで自作したAIからの月の不労所得200万。コスパ、裏技、Pythonが好き。プログラミングで「ズル」して稼ぐ方法を呟きます。

>>管理人プロフィール・理念はこちら

ワタシナガタをフォローする
twitterbot >> Twitter Botで不労所得を得る戦略はこちら
<この記事の想定読者>

1.IT業界未経験で、データサイエンティストやAIエンジニアになりたい人
⇒Python初心者でもデータサイエンティストにはなれます。僕も最初はプログラミングなんてやったことなかったです。

2.プログラミングすらしたことないけど、データサイエンスに興味がある人
⇒データサイエンスの本質はプログラミングじゃないです。心配ありません。

3.やる気はあるけどどうやって勉強を進めていけば良いか分からない人
やる気があれば十分です。勉強のすすめかたは僕が教えます。

<僕について>

元データサイエンティスト。未経験からデータサイエンティストになりました。今は自作したAIからの不労所得だけで暮らしてます。

本記事は「データサイエンティストになりたいけど、どこから手をつけて良いか分からないよ」という方に向けて書いています。この記事を読むことで、「データサイエンス学習の目標設定、具体的な始め方、その後のキャリア」までをイメージできるようになると思います。

僕自身も全くの未経験からデータサイエンティストになったので、「勉強を始める前にこんな記事が読みたかったなぁ」と当時の僕が思うような記事にしました。

それでは早速ロードマップを見ていきましょう。

データサイエンティスト初心者の学習ロードマップ①目標設定をする

データサイエンスの勉強を始める前に、データサイエンティストに転職する気があるのか現状の仕事に活かすために趣味としてデータサイエンスを学ぶのかを明確にしておく必要があります。

僕のおすすめの目標は、AIを自力で開発できるようになるですが、データサイエンティストに転職を前提として勉強するのも悪くありません。

データサイエンティストはかなり高給

データサイエンティストの給料が高いと聞いてもいまいちピンとこないですよね。ですから実際の求人を見てみましょう。

例えば次の求人は月に70万稼げます。上記の案件の条件になっているスキルは基本的なものしか書いてないので、本気出せば数ヶ月でマスターできるでしょうね。

僕がデータサイエンスを学んでから2年ほどしか立っていませんが、上記の案件の条件なら確実に応募できますね。

この案件はリモートワーク可能で、月に90万。IT業界以外ではなかなか見られない好条件です。

こんな感じで、データサイエンティストの給与はかなり高いです。

今回紹介した案件も、給与の高い物を選んで載せているのではなく。「BIGDATA NAVI(ビックデータ ナビ)」に掲載されていた案件を上から適当に持ってきただけです。いかに業界全体の給与水準が高いかわかりますね。

おまけ

BIGDATA NAVI(ビックデータ ナビ)」はAI・データ分析のフリーランス案件数が業界ナンバーワン、かつ未経験者への求人も業界随一です。データサイエンティストへの転職を考えているのなら、早目の時期から登録しておくと学習効率が上がると思います。

BIGDATA NAVI(ビックデータ ナビ)

データサイエンティスト初心者の学習ロードマップ②パソコンを用意する

「なんのためにデータサイエンスの勉強をするのか」が明確になったら、早速勉強を始めましょう。

データサイエンティストを目指すなら、どうしてもパソコンは必須です。ミニマリストである僕ですらパソコンだけは持ってるくらいです。動くパソコンが用意できれば、機種やスペックはなんでも良いですが、余裕があればMacBookAirの購入をお勧めします。

詳しくはすでに「【結論Mac】プログラミング初心者がパソコンを選ぶ際のアドバイス【AI研究者より】」にまとめました。

【結論Mac】プログラミング初心者に必須なパソコンの選び方【データサイエンティストより】
&lt;この記事の対象読者&gt;1.プログラミングを始めたい人⇒プログラミングにパソコンは必須です。プログラミングに適したパソコンとは何か、知りましょう。2.パソコンについて詳しくない人⇒パソコンについて詳しくなくてもプログラミングはでき

Macbookは一番低いスペックのモデルで十分なので、11万くらいで買えます。ちなみに僕もMacBookAirを使ってデータ分析を行っています。

しかも使わなくなったら売れば良いので、5年くらい使うとしても7万くらいでは売れます。Mac製品は全然値崩れしないですからね。差額の4万円で、5年間最新のMacBookAir が買えると考えたらかなり良い投資になると思いますよ。

データサイエンティスト初心者の学習ロードマップ③「Progate」でPythonへの抵抗感を無くす

パソコンが用意できたら、プログラミングの勉強を始めていきましょう。

もしあなたが全くプログラミングをやった経験がないなら、まずプログラミングに対する先入観を取り除くことが重要です。

・プログラミングって数学ができないとやれなそう・・・

・プログラミングは頭の良い人しかできない

プログラミングを経験したことがない人は、上記みたいな思い込みが激しいです。実際僕もそうでした。実際は全くそんなことありません。

まぁ習うより慣れろってことで、実際に「Progate」というサイトでPythonに慣れていくことをおすすめします。

Progate」はプログラミング未経験者のために特化した学習サイトで、無料で利用できます。時間も2時間ほどで終えれるので、初めはこれを進めていきます。2時間でプログラミングについて、実際に手を動かして理解できるサイトはなかなかありません。

Progate」を進めていくと有料部分が出てきますが、これはやってもやらなくてもどちらでも構いません。

最初の目的は「プログラミングに対する偏見をなくす」ことであって、「Pythonを学ぶ」ことではないので。

「もっとProgateで勉強したいな」と思ったら課金する感じで大丈夫です。

(ちなみに僕は初心者の頃Progateに課金しました。笑)

データサイエンティストへの完全ロードマップ ④「 データサイエンスのためのPython講座 」でデータサイエンスで必要なPythonの操作を覚える

Pythonを利用することに抵抗が無くなったら次は、実際にデータサイエンスに必要なPythonの使い方を勉強していきましょう。

世の中には「Pythonを学べる」と謳っているいろんな無料プログラミング学習サイトがありますが、データサイエンティストに本当に必要なPythonについて勉強できるサイトはそんなに多くありません。

僕がおすすめするのは、Twitterで活動されているかめさんという方が書いた「データサイエンティストのためのPython講座」を一通り終えること。

この一連の記事に出会った時、僕は自力でPythonの書き方について記事にすることを諦めました。それくらいハイクオリティな講座です。しかもこのクオリティで無料。僕が初学者だった頃にこんな講座に出会いたかった。

かめさんの「データサイエンティストのためのPython講座」を終えれば、データサイエンティストが実際に何をやっているかを一通り理解できると思います。

ただ、この講座はかなり量が多いですし、もしかしたら知らない単語もいくつか出てきます。しかし、この講座に出てくる用語はどれもかなーり重要なものですので、データサイエンティストとしてやっていくためには、時間をかけてでも理解するべき。1~2週間くらいかけて終えていく感じですね。

データサイエンティストへの完全ロードマップ ⑤「KIKAGAKU」で機械学習やディープラーニングの基礎を身につける

「データサイエンティストのためのPython講座」が終われば、データサイエンティストとしての準備はかなり終わっています。自信を持ってください。

データサイエンティストとしてのPythonの使い方を学んだら、次は機械学習について学びましょう。データサイエンティストと機械学習は切ってもきれない関係にあります。データサイエンティストは機械学習を用いてデータを解析していきます。

未経験時に身につけるべき知識は、「KIKAGAKU」という無料学習サイトで全て網羅されています。

このサイトかなりお勧め。僕が「機械学習を学びたいんだけど、何から始めればいい?」と聞かれたら、必ずこのサイトを進めます。この学習サイトは、キカガクというAIベンチャーが公開しているサイトで無料で利用できます。

僕が初学者だった頃、実はキカガクのAIスクールに通ってました。その時の内容と比較して、このサイトの教材が保どんど遜色ないレベル。むしろ数年たった現在のサイトの方が内容がアップデートされている感すらある。

当時、確か25万くらいのスクールだった気がするので、その教材が無料で利用できるだけでも頭おかしいですね。社名をサイト名にしているだけあって、キカガクの本気を感じます。

KIKAGAKU」を一通りやれば、機械学習やディープラーニングに関する知識がつきます。これだけでそこらへんの自称IT系の奴らに勝てるくらいの知識はついているはずです。

KIKAGAKU」では、6つの講座に分かれていますが、最後の二つである「画像認識の基礎」と「自然言語処理の基礎」はこの段階ではやらなくても良いです。

この先のステップに進んでいって、画像認識や自然言語処理に興味が湧いてきたらやってみてください。

データサイエンティストへの完全ロードマップ ⑥「Qiita」で実践的なコードをパクって簡単なモデルを実装する

ここまでやってこれたら、データサイエンティストjr. としての知識はかなり十分です。あとあなたに足りないのは、実際に自分で機能を実装する実戦形式です。

独学でプログラミングを学ぶ人が陥りがちなのが「自力では0からコードを実装できない」という状況。

データサイエンティストのためのPython講座」や「KIKAGAKU」では言われた通りにやればコードが実行できていましたが、それでは不十分です。

データサイエンティストとして名乗るためには、自分が作りたいものを作れるようになる事こそ重要です。ただ、この段階では0からアイデアを出して実装する必要はありません。アイデアと設計図があれば、それを実装できる能力は身に付けましょう。

そのアイデアと設計図は「Qiita」というサイトで見つけられます。「Qiita」では、IT業界の人たちが日々面白い記事を投稿しています。

ここで一つおすすめの記事を紹介します。

【Python】🍜ラーメンガチ勢によるガチ勢のための食べログスクレイピング🍜

この記事の通りにコードをかけば、あなたの住んでいる地域の人気ラーメン店のリストを一瞬で作成することができます。(ちなみに僕もやってみました。)

【名古屋の評判ラーメン店まとめた】

不要不急の外出呼びかけに応じてて、家で暇だからPythonでスクレイピングしてまとめた。コロナがおさまったら全制覇してやる

こんな感じで、実際の生活に役立つコードを自力で実装できることがとても重要です。実生活で役立つコードが実装できると、一気にプログラミングが楽しくなりますよ。この段階では、データサイエンスや機械学習のコードを書く必要はありません。

重要なのは、実際に動くコードを自力で完成させるということ

ただし「Qiita」の記事は、他人が同じように実装することを想定されて書かれていることはそこまで多くないので、同じようにコードを書いてもエラーが出てしまうことがあります。そんな時にエラーを自力で解決できる能力こそ重要です。自力でエラーを解決できる能力を身につければ、他の独学者との差になりますよ。

データサイエンティストへの完全ロードマップ ⑦転職支援付きのAI・機械学習専門のプログラミングスクールに通う

ここまでやってこれたら、データサイエンティストとしての能力はほとんど備わっているはずです。趣味でデータサイエンスを行うならすでに知識は十分です。次は実践に活かす方法を学んでいきましょう。データサイエンティストとして転職するつもりなら、もう一段階ステップが必要。

プログラミングスクールに通うのはアリ

ここまで無料の教材の有用さを押してきた僕ですが、実はプログラミングスクール肯定派です。データサイエンティストへの転職を考えると、「有料のプログラミングスクールに通う必要はあるのか?」と聞かれたら大いにアリと答えるしかありません。

「プログラミングスクールがなくても無料の教材を使えば独学で行ける!」という人たちがいますが、そのような教材の質しかみていない人たちはプログラミングスクールの本当の価値をわかってないです。

プログラミングスクールの本当の価値は、

・「プログラミング初心者」から「プログラミング経験者」にマインドが変わる

・対面で会えるからモチベーションが維持しやすい

・転職支援がかなり手厚い

・転職すればスクール費が無料になるところが多い

ここらへんです。特に「プログラミング初心者」から「プログラミング経験者」にマインドが変わる、というのが重要です。

セルフイメージというのはとても重要で、些細な気持ちの違いで、成果が変わってきます。

実際、僕もスクールに通うまでは上部だけの知識しかついていませんでしたが、スクールで対面で実践的な体験をしてからの方が、有用な知識がついたと思っています。

より詳しい説明は未経験からAI・機械学習の研究者になった勉強法にまとめました。

【実録】未経験からデータサイエンティストになった勉強法
<この記事の想定読者>1.データサイエンス、Pythonに興味がある人⇒データサイエンス、Pythonは今最も効率的に稼げる分野です。しっかりと学びましょう。2.副業で稼ぎたい人⇒副業から独立を狙うならプログラミングです。僕のそ...

データサイエンティストへの転職を目指すには、スクールに通うことが現状一番効率がいいです。というかこれ以外がかなりハードルが高いです。

データサイエンティストへの完全ロードマップ ⑧Kaggleに挑戦し続けながら、転職活動を行う

ここまできたら転職活動を行いましょう。ポイントは「Kaggleに挑戦しながら」転職活動を行う、という点です。

タイトルとURLをコピーしました