近年AIとかDeep Learningとか流行ってますよね。
プログラミングも身近なものになり、子供でも凄腕の子が現れたり。
今の仕事を続けていてもまぁ何とかなるのだろうけど、いつかできるようになりたいと思う方は多いと思います。
英語と似たようなものですね。

私はコロナ禍で暇になった時、統計検定の勉強をしました。
学会発表の際に統計がよくわからなかったからです。
大した級は受験しませんでしたが、統計を身近に感じるきっかけになりました。

その後、人体データの中で波形データに興味を持ちました。
ある日血流センサー業者が製品紹介に来たのですが、取得できるデータが波形データでした。
医学統計は医学部でやりますが、波形ってどう分析すればいいのかよくわかりませんよね。
当時はあまり波形をゴリゴリに分析した報告はなかったように思います。
統計をある程度理解していた自分は、このデータをどう料理すれば論文にできるのだろうかと疑問を覚えました。

その後、波形分析にはいくつかの流派があることを知りました。
主に、工業系のセンサー波形の分析と、経済学における時系列データ分析です。
これらの手法は、Qiitaなどでプログラミングの記述例などが載っていました。
患者データをこのプログラミングに当てはめてみたら何か見出せるのではないかと感じました。

そうと決めた私は業者にセンサーを借りる連絡をして、また倫理委員会に研究のための書類を通しました。
記念すべき第一例目は年末の症例だったので、年末年始の暇な時間を使って、なれないpythonやRをいじりながらデータの読み込みから前処理、分析、グラフ作成まで一息でやってみました。
血流の予測範囲を描画したり、Deep Learningの中でも波形分析に使える手法があったので学習させて予測波形を描画したりしたとき、とてもワクワクしたのを覚えています。
実は病院って使われていないデータが宝のようにたくさん眠っているんじゃないだろうか？

私がやったことは、材料のデータを集めて、Qiitaなどに載っていたプログラミング記述例に当てはめてみただけです。
プログラミングの勉強をするときは、基礎から順番に学ぶことの方が多いと思います。
しかし目的がないとそれは退屈や苦痛に変わります。
私はまず手元のデータを試しに料理してみてから、そのような基礎の勉強に移りました。
それまで断片的だったスキルが統合されていくようで、サクサクと勉強を進めることができました。

まとめると、プログラミング学習をする際は、まず自分が興味を持つ材料データを集めるとうまくいくかもしれませんという話でした。