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。