昨日までで、「何を学ぶべきか」と「学習リソース」をみてきました。

それらをもとに、個人的な学習プランをたてたいと思います。

大きくは、以下のような流れになるかと思います。

➀ 基礎を学ぶ
⓶ 実践する
⓷ ポートフォリオ作り

ただ、順番にやっていくと、途中で飽きてしまう可能性があるので、最初からポートフォリオづくりにも挑もうと思います。

1. 基礎を学ぶ

まずは「Google Career Certificate」の「データアナリティクス」のでデータ可視化の基礎を学ぼうと思います。

「Google Career Certificate」については、以下の記事でも取り上げました。

そしていま在籍している「42Tokyo」でも、AIを学ぶためのコースも用意されているので、そちらでPythonの基礎と、機械学習を学びたいと思います。

ここまででどれほど学べるのか分かりませんが、必要に応じてDataCamp、その後にDataQuestも利用したいと考えています。

DataCampは穴埋め式でも全体の流れを掴むことができ、初心者用として優れています。

DataQuestは、一からコードを書く能力が求められており、より実践にちかいので、DataCampの後と考えています。

以下の記事を参考にしました。

2. 実践する：Kaggleに挑戦

Kaggleを使い、目的と対象者に合わせた適切な可視化手法を考えるインタラクティブなダッシュボードを作れるようにしたいと思います。

なぜKaggleかというと、Kaggleは世界最大の機械学習コンペティションのプラットフォームだから。

企業や研究機関が提供するデータにもとづいて、Kaggleでは世界中のデータサイエンティストが機械学習モデルの性能を競っています。

上位入賞すれば、採用に直結するケースもあるようです。

3. ポートフォリオ作り

まずはどんなものを作りたいのか、インプットが少ないので、イメージがわきません。

ですので、紹介したブログや、コミュニティをつうじて、良い見本をたくさん見たいと思います。

そして、そのなかから師匠を選び、師匠の技を盗むべく、使っているツールや、作り方が公開されていないかを調べたいと思います。

そのうえで、自分が作りたいものを作りたいと思います。

まとめ

まずは、ポートフォリオづくりのためのインプットから。

そして、師匠をみつけて技術を模倣するところから始めたいと思います。

同時に、「Google Career Certificate」でデータアナリティクスの基礎を学びたいと思います。

こうまとめてみると、「データ可視化」を学ぶのは、「データサイエンティスト」になるための勉強と同じだと気づきました。

振り返ってみて、今回まとめたプランには、「デザイン」についての視点が欠けていますが、上記の方法で学んでいくなかで、デザインに関してはプランを立てたいと思います。