ゼロから始めるデータサイエンスの旅

はじめに

せっかく会社にかなり整った機械学習とデータ分析のチームがあり、リソースやパイプラインも比較的充実しているので、この機会にデータサイエンスの知識を学びつつ、分からないことがあれば同僚たちに直接聞いてみようと思う。データサイエンスの範囲は非常に広く、今のところ明確な方向性があるわけではないが、学びながらどんな面白い化学反応が起きるか見てみよう。スラッシャーとして幅を広げていくぞ！

計画

• 大学の統計の授業で抜け落ちたピースを取り戻す（2 weeks）

  • 分布と各種検定手法
  • R：復習の過程で並行して学ぶ

• 線形代数を復習する（3 weeks）

  • 完全に全部忘れてしまった

• アンドリュー・ンの機械学習コースを復習する（1 week）

  • 僕が受講したときは Octave を使っていたが、概念は共通しているはずだ

• Coursera Deep Learning Specialization（6 weeks）

• 以前買ったデータサイエンスの本を読み切る（3 weeks）

• fast.ai の進捗に沿って進めつつ、論文を読み漁る

  • 以前 1〜4 を見終えたが完全に忘れた。

• 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

これでだいたい100日はかかるだろう。データ分析関連の講座ももう少し探して受講するかもしれない。今は機械学習とディープラーニングが多めな気がする。とりあえず忘れないように、今思いついたことをここに記録しておく。

目標

一番は、フロントエンドとデータサイエンスを組み合わせて何か面白いことができないか見てみたいという点だ。ml.js や tensorflow.js との統合などはとても面白そうだ。

もう一つは、自分の中にあるアイデアのいくつかにデータサイエンスの助けが必要なため、比較的時間がある今のうちにこのあたりの知識を補っておきたいということだ。以前勉強したときはノートがあちこちに散らばっていて今ではほとんど見つからず、大半を忘れてしまったので、今回はしっかりブログに記録していこうと思う。