前言

会社で機械学習とデータ分析のチームがかなり整っているので、リソースやパイプラインも比較的整っています。この機会にデータサイエンスの知識を学びながら、分からないことがあれば直接同僚に質問できます。データサイエンスの範囲は広く、現時点では明確な方向性がありません。学びながら何か新しい発見があるかもしれません。いろんな分野に挑戦しましょう！

計画

• 大学の統計学の欠けていたパズルを完成させる（2週間）

  • 分布と各種検定方法
  • R: 復習しながら学ぶ

• 線形代数の復習（3週間）

  • 全部忘れてしまった

• 吴恩达の機械学習コースの復習（1週間）

  • 以前受けた時はOctaveを使用していましたが、概念は共通しているはずです

• CourseraのDeep 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の進捗に追従し、論文を読みながら学ぶ

  • 以前1〜4まで読み終えたが、全て忘れてしまった。

• データエンジニアリング

  • Airflow
  • Kafka
  • 個人的にこれらを学びたい

おそらくこれで100日を使い切るでしょう。データ分析に関連する他のコースも受けてみるかもしれません。現在は主に機械学習とDeep Learningが中心です。とにかく、思いついたことをここに記録して忘れないようにしましょう。

目標

主にフロントエンドとデータサイエンスの面白い組み合わせを見たいです。例えば、ml.jsやtensorflow.jsとの統合などは非常に面白そうです。

また、自分のアイデアの多くはデータサイエンスのサポートが必要なので、今のうちにその知識を補完する時間があります。以前学んだときのノートは散乱していて、ほとんど見つけることができず、そしてほとんど忘れてしまいました。今回はブログにしっかりと記録するつもりです。