【Python入門】データサイエンティストが教える学習方法とは？【IT業界/勉強】

今回は、データサイエンティストのしゅうさんをゲストにお迎えしました。『データサイエンティストが教えるPython入門』というテーマで、お話を伺っていきたいと思います。

まず初めに、そもそもPythonとはどういったものなのでしょうか？

結構使いやすい、というイメージがありますよね。

Pythonを学ぶメリットは、どういったものがあると思いますか？

Pythonを使えるということは、どこでも通用するようなスキルを持っている、ということになりますか？

知らないことを学ぶ時は、それを使える人に聞いた方が早いし確実ですからね。

一言で言うなら「分析のための道具」ですね。どんなことに使うかというと、まずは数値計算。他にも「高級Excel」のような使い方ができるので、ラベルを使ったりグラフを描いたりとかですね。あとは、機械学習や統計などの予測モデルを作る時にも、メインで使っていますね。

可能です。僕の場合、少しは学習サイトを触ることもありましたが、いろいろなコードを読みながら自分で覚えていったので、ほぼ独学です。

そうですね。私はデータサイエンティストとして働いているので「データ分析をしたい、こういう分析がしたい」という目的や目標がありました。それに対して「どうアプローチすれば良いか」ということを考えながら調べて、Pythonを書いて覚えていった、という感じですね。

しゅうさんは独学で学ばれたというお話でしたが、初心者がPythonを学習する時におすすめの勉強方法はありますか？

本を読んで理解を深めるというよりは、ひたすら触って書いて覚える、と。

とりあえず本番を想定して、自分でいろいろと触っていく方が確実に学べる、ということですか？

『Jupyter Notebook』という環境を活用すれば、独学であっても感覚的にと言いますか、結構触れながら学んでいけるということですね。

学習サイトはたくさんあるので、その中から自分に合ったものを使うのが良いと思いますが、代表的なものをいくつか挙げますね。
まずは『paiza(ブラウザ上でコードを書いて、書いたコードをその場で実行できるオンライン上のプログラム実行環境)』や『PyQ(株式会社BeProudが運営している、完全オンラインプログラミング学習サービス)』ですね。

あとは、英語がある程度使える方なら『Kaggle(世界中の機械学習・データサイエンスに携わっている約40万人の人が集まるコミュニティ)』のラーニングコースをおすすめします。『Kaggle』はGoogleが運営していまして、データサイエンスにおけるデータ分析の腕を競い合うプラットフォームになっています。

はい。このプラットフォーム内には「無料で使える学習リソース」が展開されていまして、その中にPythonの超プロの方たちが作ってくれた『ラーニングコース』があります。これを一通りやると、個人的には「いろいろな基礎部分から少し深めの理解までできたな」と思ったので、おすすめしておきます。

全部無料です。英語ですけど(笑)

絶対良いと思います。

プログラミング言語全般に言えることかもしれませんが、全部学ぼうとすると挫折しやすいと思います。ですので、コツコツ目標を決めながらやっていくのが良いと思いますね。分析だったら「テーブルデータ・表データのExcelデータ分析をしてみたい」というところから始めてみるとか。
そこから「画像をやってみたい」とか「言語処理してみたい」といった感じで、目標を少しずつ達成していく形でやっていくと良いと思います。

ちなみに、しゅうさんは挫折したことありますか？

挫折した時は、どう修正していきましたか？

展開がRPGみたいですね！(笑)

絶対、挫折します。僕もしました(笑)

ディープラーニングや画像解析の場合、コードの書き方が中級者以上に向けた扱いになっています。そもそもPythonのコードも「ある程度Pythonが書けないと理解できない」ですし、全体的に数学などの知識も必要になります。なので、前提として「必要な知識」を理解して、その前提知識をつけてから学習に臨めば、問題なく取り組めるかと思います。

学習していて「Pythonが理解できたぞ！」と感じられるのは、どれくらいの期間から、というのはありますか？

基礎文法は別に難しくないので1ヵ月もあれば余裕だと思いますが、そこから使えるようになるかどうかは、どれだけの場数を踏めるかだと思います。

「理解して使えるようになる」ために勉強の目標を立てるのであれば「使えないといけないライブラリ」というものが必ず出てきます。データサイエンスを目指す場合に欠かせないライブラリは『NumPy』『Pandas』『Matplotlib』『scikit-learn』などが代表的ですね。

順番としては、まず『NumPy(数値計算をより高速・効率的に行うために使用するライブラリ)』から触り始めて、次に『Pandas(主に、数表および時系列データを操作するためのデータ構造と演算を提供するライブラリ)』ですね。ここまで使えるようになると「高級Excel」のような使い方ができるので、新たに「もう少し高度化したもの」という目標が立てられます。

そうしたら『Matplotlib(多様なグラフ描画の能力を持つライブラリ)』を勉強してもらうと、今まで数値でしか見られなかったデータのグラフ化が可能になります。その後『scikit-learn(オープンソースの機械学習ライブラリ)』で機械学習の構文を学ぶことができれば、学習モデルを立てられるようになりますね。こういった感じで1つずつステップを踏んでいけば、大体半年くらいで理解できてくると思います。

『データ分析エンジニアの基礎認定試験』みたいなものがあるのですが、3ヵ月～半年くらいで受かるぐらいにはなれるかもしれません。