【スキルが確実に向上】 Datacamp（データキャンプ）レビュー

過去にDatacampで半年間勉強をしていたのですが、再度自分のスキルをブラッシュアップしたく使い始めました。利用をしていた当時は、有料プランを利用してすべてのコンテンツにアクセスをしていたのですが、最近再度ログインしてみると価格が下がっていることに気づきました（過去は$23程度）。過去の料金でも非常に安いと感じていたのに、もっと安く、そしてコンテンツもより充実してきており、大学で学ぶよりもより深い内容を学べると感じました。

レベル感としては初心者〜私のように仕事でも使う人（プロフェッショナル）でも幅広く使えるプラットフォームです。無料でも利用できるため、Python、SQL、AI、Tableau、Pandas、Machine Learningのような専門だけでなく、スプレッドシートやPivotなどを学びたいという方にも非常におすすめです。

私がDataCampを使い始めた理由

私は、8ヶ月間にわたる255時間のテクニオンのフロントコースと並行してDataCampを使用しました。さらに、両方が相補的であるため、大学から理論を学び、DataCampから実践的なトレーニングを受けるという素晴らしい機会でもありました。

DataCampでは、初心者のデータサイエンティストにとってSQLの使用が重要であるため、SQLコースから始めました。SQL基礎の最初のスキルトラックと、もう一つの高度なトラックである「SQLを使用したデータアナリスト」を完了しました。私はSQL Serverでのデータベース設計、関数の記述、ストアドプロシージャを学びました。各コースには、任意のSQLクエリに使用できる優れた例もあります。

DataCampの気に入っている点

DataCampのコース、記事、ブログは、何を探しても複数の場所を検索する必要がなく、理解しやすく、簡単に使えるところです。

DataCampアプリケーションで多数の演習を実践し、多くのポイントを獲得できます。ポイントを獲得することが、生徒をより勉強に駆り立てると思います。他のプラットフォームとは違い、試験後に成績が与えられるのではありません。

私はDataCampでData Science with RとData Science with Pythonの2つのトラックをさらに完了しました。これらのコースは多くの時間を要します。私はそれらを理解し終えるのに90時間以上かかりました。

これらのコースは徐々に難易度が上がるため、学習カーブが緩やかになります。また、各演習の目的や解決方法を知ることができます。
私がこれらのコースで好きなことは、長時間のビデオがないことです。ビデオの後に約3-4分かかる多くの実践演習があります。さらに、学習した方法を使うタイミングや手順を学ぶことができる、様々なガイド付きプロジェクトがあります。

DataCampで学んだこと

Data Scienceトラックでは、可視化の前にデータのクリーニング、検証、前処理、操作の方法を学びました。私はこれらのコースを再度受講して、データのクリーニング、可視化、機械学習モデルの構築に必要な手順を思い出しました。

各科目の後には、クレジットカード承認の予測やpandasの学習後にテレビデータを分析するなど、コースで学んだことを実装するプロジェクトが必要です。さらに、スマートフォンアプリケーションを使用して、いつでも様々な演習ができます。

このトラックは初心者にとって有益であり、データを分析・可視化することで問題解決の基礎を身につけることができます。また、Pythonによる統計分野のコースも多数ありますが、大学で教わるような理論的な側面はなく、より実践的な内容になっています。実践よりも、理論を学びたいという方は、本などで学ぶことをおすすめします。

認定（Certification)

データサイエンストラックの修了後、データのインポート、データの操作、データ分析、SQL、機械学習の基礎に関する、各10分のタイムドアセスメントが6つあります。次の評価に進むためには、これらのアセスメントをすべて合格する必要があります。そして、あなたはすべての参加者の中で97％よりも優れている必要があります。

その後、PythonパッケージのPandasを使用して、3つの異なるテーブルを結合し、ピボットテーブルのようなサマリーを作成する、データ操作のタスクがあります。このタスクには時間制限はありませんが、90分以内に終えることが推奨されています。このような演習がもっとあれば、さらに有益になるでしょう。

最後の評価タスクは、彼らが提供するデータセットのリストからデータセットを選択するケーススタディです。ガイド付きではなく、明確なタスクはありません。代わりに、データを使用して洞察を見つけるためにデータをクリーニング、操作、視覚化する必要があります。また、使用するデータセットに対して機械学習モデルを実行する必要があります。

DataCampのウェブサイトには、ケーススタディを実施するための指示があります。2つの段階に分かれています。
● データサイエンスマネージャーに提示する適切なレポートを作成する、エンドツーエンドの分析を実施する技術レポート
● データサイエンスフィールドを知らない非技術者に結果を提示する。

また、Data Science technical reportの採点基準もあります。

ケーススタディの難易度

この課題は簡単ではなく、合格するためにはすべての基準で「合格」以上の評価を得る必要があります。認定チームは、評価基準に対して非常に注意深くレポートを審査します。もし合格しなかった場合は、2週間後に改善し再提出できるよう、彼らの標準とともにレビューを送信してくれます。

私は2つの異なるデータセットを使用しましたが、最初の試行では合格できませんでした。また、レポートは30ページを超えてはいけません。そうでないと審査されず、再提出する必要があります。さらに、行った各ステップについて説明し、なぜそのように行ったのか、なぜ特定のモデルを選んだのか、データ分析から得たどのような洞察があるか、なぜそれらの洞察を知ることが重要かを書く必要があります。
再度言いますが、これらの課題を合格することは簡単ではなく、レポート作成には努力が必要です。大学でレポートを提出するような感覚です。ただし、多くのことを学び、自分自身を改善する必要があることを知ることができます。

認定セクションには、すべての必要な基準を示したケーススタディのサンプルレポートがあります。また、レポートはPDF形式で提出する必要があります。ノートブックのコード行が見えるようにする必要があります。コードの行が見えないか、切れたページがある場合は審査されず、再提出する必要があります。また、彼らはあなたのノートブックを実行して、バグがないかどうかを確認します。
2時間以内で新しい形式でケーススタディを完了する他のオプションもあり、90分間分析を実施し、15分間で見つけた知見を発表する時間が与えられます。完了すると認定が得られます。また、オンライン評価の約24時間前にプロジェクトの概要が送信されます。プロジェクトの説明と使用するデータの概要が記載されています。

この評価は、オンラインで面接官と行います。DataCampからワークスペースが提供され、データ分析を行う様子が記録されます。90分後には、15分間にわたり発表を行わなければなりません。4-5日後には、合格したかどうかの結果が返されます。

DataCampでの学習は、インタラクティブで使いやすいです。多くの実践的な演習があり、受動的な学習者ではありません。Data Scienceを学びたい初心者には、ダウンロード不要の組み込みワークスペースがあります。

また、機械学習トラック、ディープラーニングトラック、Pythonプログラミングトラックなど、さらに多くのトラックで追加のスキルを学び、初心者から中級者になります。

ただ、機械学習プロジェクトには、DataCampでは学べなかった展開フェーズがあります。モデルの展開計画や運用化、モデルのトレーニング、検証、展開フェーズや機械学習オペレーション（MLops）の自動化などについて、これらのスキルは、MicrosoftのAzureアシスタントデータサイエンティストトラックや、CourseraのGoogle Cloudによる機械学習コースで学びました。ただし、DataCampジャーナルには、モデルの展開方法を学ぶことができる多くの記事があります。

学習することが多くあり、Data Scienceの分野のすべてのトピックをカバーする1つのコースやトラックはありません。また、時間の経過とともに多くのことが変わるため、常に最新の情報を学び続ける必要があります。何度もプロジェクトを行い、学んだテクニックを実装することで、より多くのことを学ぶことができます。

何かのスキルを向上するために簡単な手段はありません。身につけた者だけが、キャリアップできるのです。そういった志を持っている方で、本当にスキルを高めたい方には本当におすすめのプラットフォームです。