はじめまして、データサイエンティストのますみです！
この記事では、データサイエンティスト向けの学習ロードマップを体系的にまとめました。
「これからデータサイエンティストになりたい」という入門者 / 初学者の方も、「さらなるスキルアップ / キャリアアップをしたい」という中級者 / 上級者の方もぜひご参考にしてください。
本記事で紹介している学習ロードマップは、著者が個人的におすすめするロードマップである点をご留意ください。
「学習テーマ」に基づいた学習ロードマップ
学習テーマの優先度順に並べたおすすめのロードマップは次の通りです。
各学習テーマの「おすすめ本」を知りたい方は、下記の記事をご参照ください。
動画で学びたい方は、下記の「おすすめYoutubeチャンネル」の記事をご参照ください。
「資格」に基づいた学習ロードマップ
資格取得を目標に学習したい方は下記のロードマップをおすすめします。
ここでは「データサイエンティスト向けの資格まとめ」の記事の中から特に重要だと考えられる資格に厳選しています。
また、上記のロードマップの中で、「バランスの良いデータサイエンティストを目指している方」に強くおすすめする資格は次の10個です。
- DS検定
- E資格
- 統計検定2級
- 基本情報技術者試験
- Pythonエンジニア試験
- Azure Fundamentals
- AWS Certified Cloud Practitioner
- Oracle Master Bronze
- 簿記3級
- PMP
タイプ別おすすめロードマップ
（広義の意味での）データサイエンティストの業務には様々な業務があり、6種類のデータサイエンティストに分類されると私は考えます。
- フルスタック系
- 機械学習エンジニア系
- データ基盤エンジニア系
- アナリスト系
- コンサルタント系
- リサーチャー系
自分がどのタイプのデータサイエンティストか知りたい方は下記の記事をご参照ください。
データサイエンティストの分類方法【6種類】
(1) フルスタック系
まずは、バランス良く基礎的な知識を習得できるDS検定の範囲を学習します。
ここで、実際に資格取得もできるとコンサル的な実務につながりやすいでしょう。
Pythonの本・動画を参考にしながら、模写する形でも良いので、実際に手を動かすことをおすすめします。
少しハードルが高いですが、もしもDjangoやFlaskを用いた機械学習系のウェブアプリケーションを作れるとなお良いです。
知識とスキルが全然未熟だと不安になる方もいるかと思いますが、実際のビジネス課題に挑戦することをおすすめします。
小規模な案件の仕事を請けてみてもいいですし、自分で課題発見からしてもいいと思います。
- データサイエンス力が不足していると感じた場合、「E資格」に挑戦することをおすすめします。
- データエンジニアリング力が不足していると感じた場合、「Pythonエンジニア試験」に挑戦することをおすすめします。
- ビジネス力が不足していると感じた場合、「ビジネス課題を本気で解決する場数を増やす」ことをおすすめします。
(2) 機械学習エンジニア系
Pythonの本・動画を参考にしながら、模写する形でも良いので、実際に手を動かすことをおすすめします。
Pythonエンジニア試験に挑戦してみてもいいと思います。
KaggleやSignateのような機械学習コンペに参加することをおすすめします。
順位は全然高くなくても大丈夫です。大事なのは、一連のプロセスを体験することです。
E資格の範囲を学習すると、様々なモデルについて知ることができ、引き出しが増えます。
ここまで、理論に関して精緻な理解ができていない方も多いと思いますが、そういった方には特におすすめです。
ここで、実際に資格取得もできると、今後の実務的な案件につながりやすいでしょう。
ここからはとにかく場数を踏み、経験を積むことです。
特に、モデル選定とチューニングは、現場で培った経験がかなり必要になります。
(3) データ基盤エンジニア系
一見関係なさそうですが、基本情報技術者試験に出てくる内容は最低限理解できている必要があると思います。
AWS / Azure / GCPのいずれかのクラウドサービス上でWebサービスを立ち上げてみることをおすすめします。
少しハードルが高いですが、一気通貫して基盤を作る経験は今後に大きく役に立ちます。
実際に作ったWebサービスが大規模なデータに対応するようにアーキテクチャを見直してみましょう。
Spark / Hadoop / Kafkaなどの「並列分散処理技術」やクラウドに備わっている「データウェアハウス」に関する知識を深めてみたらいいと思います。
大規模なデータ基盤を扱う案件に参画することは容易ではありませんが、実際に案件に入って実務的な経験を積むことをおすすめします。
(4) アナリスト系
Pythonの本・動画を参考にしながら、模写する形でも良いので、実際に手を動かすことをおすすめします。
Pythonエンジニア試験に挑戦してみてもいいと思います。
また、ExcelやGoogle Spreadsheetによるクイックな分析と可視化もできるようになっておくこともおすすめします。
ソシム社が出版している「分析者のためのデータ解釈学入門」を読むことを強くおすすめします。
この本を通して、分析結果に対する見る力を養うことができます。
ここからはとにかく場数を踏み、経験を積むことです。
もしもビジネスコミュニケーションが苦手な場合は、コミュニケーション方法に関する学習をしてもいいと思います。
(5) コンサルタント系
まずは、バランス良く基礎的な知識を習得できるDS検定の範囲を学習します。
ここで、実際に資格取得もできると対外的な証明になるため、なお良いでしょう。
Pythonの本・動画を参考にしながら、模写する形でも良いので、実際に手を動かすことをおすすめします。
少しハードルが高いですが、もしもDjangoやFlaskを用いた機械学習系のウェブアプリケーションを作れるとなお良いです。
最低限の知識が備わったら、実際に案件に参画して次のスキルを伸ばすことをおすすめします。
- お客様コミュニケーションスキル
- スライド作成スキル
- 議事録作成スキル
- 論理的思考スキル
- 提案スキル
お客様が提案に対して、わざわざお金を出して、「ぜひやってほしいです」言ってくれることは非常に難しいです。
そのため、それだけお客様の視点に立ち、良い提案を試行錯誤して作ってみる経験は宝になります。
より質の高い提案をするために、E資格を取得することもおすすめします。
(6) リサーチャー系
Pythonの本・動画を参考にしながら、模写する形でも良いので、実際に手を動かすことをおすすめします。
Pythonエンジニア試験に挑戦してみてもいいと思います。
E資格の範囲を学習すると、様々なモデルについて知ることができ、引き出しが増えます。
ここまで、理論に関して精緻な理解ができていない方も多いと思いますが、そういった方には特におすすめです。
ここで、実際に資格取得もできると、今後の実務的な案件につながりやすいでしょう。
KaggleやSignateのような機械学習コンペに参加することをおすすめします。
数をこなす以上に、一つのコンペで上位に入り込むことをおすすめします。
ここからはとにかく場数を踏み、経験を積むことです。
「探究する時間に余裕のある案件」や「論文や学会発表で成果を残せる案件」だとなお良いと思います。
最後に
いかがだったでしょうか？
この記事を通して、少しでもあなたの困りごとが解決したら嬉しいです^^
おまけ（お知らせ）
エンジニアの仲間（データサイエンティストも含む）を増やしたいため、公式LINEを始めました🎉
「一緒に仕事をしてくれる方」「友だちとして仲良くしてくれる方」は、友だち追加をしていただけますと嬉しいです！
（仲良くなった人たちを集めて、「ボードゲーム会」や「ハッカソン」や「もくもく会」もやりたいなと考えています😆）
とはいえ、みなさんにもメリットがないと申し訳ないので、特典を用意しました！
友だち追加後に、アンケートに回答してくれた方へ「エンジニア図鑑（職種20選）」のPDFをお送りします◎
