アルファ版試作の段階で公開しています。内容は確認を続けており、ページの中身とアドレスは予告なく変わることがあります。
データと AI:データから価値を引き出す

データサイエンティスト

統計や機械学習で、予測や最適化のモデルを作る。

Python統計機械学習数学

中心になる層:具体技術、工学(どの職種でも、基礎は共通の土台です)

どんな仕事か

統計や機械学習を使って、予測や最適化のモデルを作る仕事です。需要の予測、おすすめの表示、不正の検知など、データから判断の根拠や自動化の仕組みを作ります。モデルを作る技術だけでなく、どの問題をモデルで解くべきかを見極めることも仕事に含まれます。

向いている人

数学と統計に抵抗がなく、仮説を立てて検証することに面白さを感じる人に向いています。データアナリストと比べて数学と統計の比重が大きく、研究に近い進め方になります。筆者は、データ系に入るなら、まず SQL を使う職種で経験を積み、そこから進む道も十分にあると考えています。

最初に学ぶこと

Python と、統計の基礎(確率分布、推定と検定、回帰)、線形代数の基本から始めます。次に機械学習の代表的な手法を、公開されているデータで実際に動かして、結果を評価する方法を学びます。roadmap.sh の AI and Data Scientist のロードマップが全体像になります。資格では統計検定が土台を、G 検定と E 資格が機械学習と深層学習の知識を確かめる目安になります。

つまずきやすいところ

手法の名前と使い方を覚えても、データの前処理と結果の評価ができないと、仕事では使えません。精度の数字だけで判断せず、「そのモデルが外れたときに何が起きるか」を考える習慣が、信頼されるデータサイエンティストの条件です。

学ぶ道順

この職種で学ぶものを、進める順に並べています。順番は目安で、一度だけ通るものではなく、行き来しながら進めます。

  1. 手を動かして身につける

    主な技術を、小さなものを作りながら覚えます。全体像は roadmap.sh のロードマップで確かめられます。

    主な技術

    Python統計機械学習数学

    roadmap.sh のロードマップ

  2. 考え方を体系で確かめる

    触った技術の背景にある考え方を、知識体系で確かめます。

    • CS2023(AI、MSF)1. 基礎 全体地図型
  3. 力を確かめる

    資格は、どこまで分かっているかを確かめる物差しとして使えます。

次に読む

「データと AI」のほかの職種

すべての職種を見る