ゼロからのデータサイエンスへの道のり

前言

会社に比較的整った機械学習とデータ分析のチームがあり、相応のリソースとパイプラインを持っているのは貴重な機会です。この機会を利用してデータサイエンスの知識を学び、分からないことがあれば同僚に直接教えてもらうこともできます。データサイエンスの範囲は非常に広く、現時点では明確な方向性がないため、学びながらどんな新しいアイデアが生まれるかを楽しみにしています。斜めに進んでいきましょう！

規劃

• 大学の統計学の授業で失われたピースを取り戻す（2週間）

  • 分布と各種検定方法
  • R: 復習の過程で学ぶ

• 線形代数の復習（3週間）

  • すべて忘れてしまった

• 吴恩达の機械学習コースの復習（1週間）

  • このコースは私が受講したときにOctavesを使用していましたが、概念は共通しているはずです

• CourseraDeep Learning Specialization（6週間）

• 以前購入したデータサイエンスの本を読み終える（3週間）

• fast.aiの進捗に合わせて学びながら論文を読み進める

  • 以前1～4を見終えましたが、すべて忘れてしまいました。

• データエンジニアリング

  • Airflow
  • Kafka
  • 個人的にこの2つを学びたい

これで約100日間が確保できそうです。さらにデータ分析に関連する講座を探すかもしれませんが、現在は機械学習とDeep Learningが主流のように感じています。とにかく、今思いついたことをここに記録して忘れないようにします。

目標

主にフロントエンドとデータサイエンスの面白い点を探りたいと思っています。例えば、ml.jsやtensorflow.jsとの統合は非常に面白そうです。

また、自分の考えを実現するためにはデータサイエンスのサポートが必要なので、今のうちにこの分野の知識を補充しておきたいです。以前学んだときのノートは散らばってしまい、今ではほとんど見つからない状態で、大半を忘れてしまいました。今回はしっかりとブログに記録しておこうと思います。