DataQuestとDataCampの比較【最強のデータサイエンティスト学習プラットフォームは？】

今日は、オンラインデータサイエンス学習の2大巨頭であるDataquestと、DataCampをご紹介します。

これらのプラットフォームは、初心者や中級者レベルのデータサイエンティストがスキルアップを目指す場合に最適なツールです。両社とも、Python、R、SQLを使ったさまざまな学習経路を提供しています。また、機械学習、統計学、データベースエンジニアリング、データビジュアライゼーション、ウェブスクレイピングなど、幅広いコースが用意されています。

DataQuestとDataCampで学べること

これらのプラットフォームで、データの専門家になるために必要なことをすべて教えてくれるのかと疑問に思われるかもしれませんが、簡単に言うとそうではありません。しかし、これらのプラットフォームは、あなたが使用する多くのスキルの優れた基礎を提供します。つまり、これらのツールは、他の学習プロバイダーのコンテンツを補完するための素晴らしい方法なのです。

下の表は、オンラインサイトを評価するCourse Report、SwitchUp、G2におけるユーザーの平均評価を示しています。

DataQuestとは？

Dataquestは、ユーザーにデータサイエンスを教えることに特化したオンライン学習プラットフォームです。様々なキャリアパスやスキルパスが含まれており、個々のニーズに合わせた学習プランを選ぶことができます。

DataQuestの強み

コンテンツの構成ですが、各エクササイズでは、本文を使ってそのセクションで扱う内容を説明しています。また、付随するデータセットや解決すべき問題についても説明しています。DataCampとは異なり、コンセプトをより深く説明するためのインストラクタービデオはありません。もしあなたが、より自立した学習方法を好み、コンテンツに目を通し、より助けが必要な分野に集中したいと思うのであれば、このプラットフォームはあなたに適しているかもしれません。

Dataquestの大きな強みは、複雑な問題の解答を教え込まないことです。結果として、ガイダンスがないため、行き詰まったときにはStack Overflowのような他のツールを使って練習問題を解く必要があります。これはプラットフォームへの批判だとも言えますが、実際には、開発者が複雑な問題に取り組む際に実生活で経験するプロセスを模倣しているのです。経験豊富なプログラマーの多くは、複雑な構文を覚えようとして時間を無駄にすることはなく、本当のスキルは、スクリプトに挿入する必要のあるコードを素早く見つける方法を知っていることだと言うでしょう。

プロジェクトは、Dataquestの学習体験の中核であり、演習自体に直接組み込まれています。各コースの最後にはガイド付きプロジェクトがあります。多くのオンラインプラットフォームでは、プロジェクトが提供されています。多くのオンラインプラットフォームがプロジェクトを提供していますが、多くのプロバイダーでは、プロジェクトは後回しにされているように感じられます。多くのオンラインプラットフォームでは、プロジェクトが提供されていますが、多くのプロバイダーでは、プロジェクトは後回しにされているように感じられます。Dataquestでは、ユーザーがプロジェクトを完了してコースを完了したことを示すと、次のコースに進むことができ、プロジェクト作業に時間を割くことができます。

DataQuestの短所

Dataquestの共通の不満点は、RとSQLの学習内容の充実です。Pythonの学習教材は優れていますが、RとSQLの学習内容は、Pythonと同じ高水準ではありません。Pythonのみを学習したいという方にとっては素晴らしいでしょう。2020年のKaggle ML and Data Science Surveyでは、調査対象となったデータ専門家の78%がPythonを定期的に使用していると回答しており、データサイエンスにおけるPythonの重要性を示しています。しかし、SQLとRについての質問では、これらの言語を使用している回答者は38％と21％でした。下のグラフは、この質問に対する調査結果の全体像を示しています。つまり、Pythonの重要性にもかかわらず、これらの数字は、データサイエンスのためのワンストップショップを目指す学習プラットフォームは、Python、SQL、Rの重要なサービスを提供する必要があることを示しています。

DataQuestの価格・認定証

無料プランでは、サイト全体の約3分の1のコンテンツを提供しており、レッスン、練習問題、コミュニティ機能へのアクセスが制限されています。プレミアムプランにアップグレードすると、これらのエリアにフルアクセスできるようになるほか、サイトのプロジェクトセクションのロックが解除され、（レッスンに含まれるものに加えて）追加のプロジェクトにアクセスできるようになります。

価格については、Dataquestでは年間プランを採用しており、588ドルとなっていますが、定期的にメンバーシップの50％割引を実施しており、294ドルというリーズナブルな価格で提供しています。

Dataquestでは、プレミアム会員の方に、すべてのコースやパスを完了した際に証明書を発行しています。また、プレミアムユーザーは、データサイエンティストとの1対1のオフィスアワーにもアクセスできる。このオフィスアワーでは、データサイエンス業界についての見識を深めたり、夢の仕事に就くためのヒントを得たりすることができるので、修了証を得るよりもはるかに価値があると言えるでしょう。

DataCampとは？

DataCampは、Dataquestと同様に、データスキルを学ぶために設計されたオンライン学習プラットフォームで、さまざまなキャリアパスやスキルパスが用意されています。ただし、DataCampではこれらのパスをトラックと呼んでいます。DataCampでは、コースの最初に、演習で使用するコンセプトを説明するインストラクションビデオが用意されています。また、DataCampの講師陣は全員、その分野の専門家か、修士・博士レベルの教育者です。このような素晴らしい経歴を持つ講師陣が揃っているDataCampは、視覚的に学ぶことが好きな方には最適な選択肢となるでしょう。

DataCampの強み

DataCampは、Dataquestに比べて、SQLとRの提供という点ではるかに充実しています。DataCampはこの2つの言語に特化したコースを提供しており、Pythonのコースも充実しています。

また、DataCampはゲーム性のある楽しいインターフェースを持っており、エクササイズを終えると経験値が得られます。残念ながら、DataCampではXPを全体の進捗状況を示す指標として以外にはあまり使用していません。また、毎日の練習課題をこなすことでもXPを獲得できます。これは、学習に専念する時間がない日には最適です。これは、学習に専念する時間がないときに最適で、5分間の空き時間があればすぐに完了できます。また、Dataquestにはない機能として、スマホのDataCampアプリ（下図）でチャレンジやコースを完了することができます。

DataCampの短所

DataCampが酷評されているのは、演習問題が空欄を埋めるだけのものだということです。このスタイルは、事前に書かれたスクリプトに触れることで、正しいコードの書き方を知ることができるので便利です。また、レッスンとは関係のないものをコーディングする時間も節約できます。しかし残念ながら、この方法では練習問題の難易度が下がり、内容の定着率が低下してしまいます。ゼロからソリューションを構築することは、実際の世界でも行われることなので、これができないのは、このプラットフォームの大きな限界です。最近追加されたプロジェクトは、この問題をある程度修正し、ガイド付きまたはガイドなしで実際の問題に取り組むことができるようになりました。

DataCampの価格・認定証

Datacamp は、各コースの第1章に無料でアクセスすることができます。また、無料メンバーシップでは、練習課題への限定的なアクセス、プロジェクトへの限定的なアクセス、練習評価への無制限のアクセスが可能です。スタンダード・メンバーシップでは、すべてのコースと練習課題に加えて、データサイエンス認定評価へのアクセスが可能です。プロジェクトへのフルアクセスをご希望の場合は、プレミアムメンバーシップをご購入いただく必要があります。

価格はDataquestが提供しているものよりも少し安くなっています。年間課金の場合、スタンダード・メンバーシップは300ドル、プレミアム・メンバーシップは400ドルで購入できます。また、Dataquestと同様に、定期的に有料メンバーシップのお得なキャンペーンを行っています。

DataCampでは、会員が修了したコースの証明書を提供しています。また、6つの時間制限付き評価、コーディングチャレンジ、ケーススタディに取り組むことで、DataCampデータサイエンス認定を受けることができます。

コンテンツ比較

DataQuestとDataCampのコンテンツについて比較をしてみましょう。

数学・統計

データサイエンティストにとって、数学と統計学の基礎は不可欠です。統計学は、あらゆる機械学習アルゴリズムのバックボーンであり、機械学習モデルの舞台裏で何が起こっているかを知るためには、統計学をしっかりと理解する必要があります。初心者向けには、どちらのプラットフォームも統計と確率の基礎をカバーしています。また、平均値、変動性、条件付確率、仮説検証などもカバーしています。Dataquestは、線形代数と微積分のコースがあり、提供されるコア数学に関して若干の優位性があります。しかし、DataCampは統計学の内容でこれを補っており、統計的推論に使用されるいくつかの方法論をより詳細に見ています。DataCampでは一般的に、この分野ではゆっくりとしたアプローチをとるので、知識を吸収するのに時間がかかります。

両者ともに、中級者になるには十分すぎるほどの計算量です。数学と統計学の知識を上級レベルに引き上げたい場合、DataquestとDataCampはそこまでのレベルを提供しておらず、補うためには他の教材を探す必要があります。

機械学習

両プラットフォームとも、k-nearest neighbors、k-meansクラスタリング、線形回帰、ロジスティック回帰、決定木、ランダムフォレスト、ナイーブベイズの各アルゴリズムに対応しています。アルゴリズムに加えて、基礎となる統計学のより詳細な説明があり、別途提供される単独の統計学のコンテンツにも対応しています。アルゴリズムはよくカバーされており、モデルに適用するための十分な理解を得ることができます。DataCampにはサポートベクターマシン（SVM）も含まれていますが、Dataquestにはそれがありません。

また、どちらもKaggleを始めるためのコースを用意しており、KaggleはMLの素晴らしい学習リソースです。ニューラルネットワークについては、どちらも入門コースを用意していますが、この内容はもっと包括的であってもよいと思います。深層学習は膨大なテーマであるため、深層学習に特化したコースもありますが、深層学習の内容がやや物足りないのはある程度仕方がないでしょう。

Data Engineering

データエンジニアリングに興味がある方には、ETLプロセス全体をカバーするプラットフォームが用意されています。データ構造については、データを操作するためのベストプラクティスを示すコンテンツが豊富で、充実した内容となっています。SQLについては、PythonやRの知識とSQLの間の橋渡しをしてくれる内容になっています。「DataCamp」には、パラレルコンピューティングとクラウドコンピューティングのコースがあり、Sparkの入門コースもあります。DataCampには、データレイクとウェアハウスのコースもあります。残念ながら、ウェブスクレイピングの分野では、ETLプロセスの大部分を占めるウェブスクレイピングが不足しており、両プラットフォームとも数少ないコースにすべてを詰め込んでいる。

前述のように、SQLとRのコンテンツはDataCampの方が充実しています。データエンジニアにとってSQLは必須のスキルとなります。

Data Visualization

数学や統計学と同様に、データビジュアライゼーションの内容も、中級レベルに達するには十分すぎるほどの内容となっています。基本的な内容はすべて網羅されており、さまざまな種類のグラフをどのように描くかを知ることができます。また、Dataquestでは、データ業界で働く人にとって貴重なスキルである、データを使ったストーリーテリングの方法を学ぶフォローアップコースも用意されています。また、DataCampでは、地理的データの可視化など、より高度な可視化オプションを提供しています。

より複雑なグラフの種類を省略したことが、Dataquestの欠点だと言うこともできる。しかし、データビジュアライゼーションの一般的な目的は、技術者ではない読者に知識を伝えることなので、シンプルな方が良い場合もあります。

Job Searching

転職活動・就職活動においては、私自身が日本在住ではないため、アメリカでの仕事探しという内容で、説明します。

どちらのプラットフォームでも、それぞれのトラックやパスを使って作業をすることで、資格証を得ることができます。しかし、残念ながら、これらの資格だけでは、この業界で仕事を得ることはできません。しかし、これらのプラットフォームのいずれかを利用することで、憧れの職業に就くための大きな一歩となるでしょう。また、資格を取得することは、あなたが自己啓発に取り組んでいることを示すことにもなります。そのような人と一緒に働きたいと思わない人はいないでしょう。

さらに、プラットフォーム・プロジェクトは、プロジェクト・ポートフォリオに着手する際のインスピレーションにもなります。経験がない場合、プロジェクトは自分の能力を証明する最良の方法であり、面接での素晴らしい論点にもなります。ポートフォリオは、GitHubやKaggle、あるいは自分のウェブサイトでホストすることもできます。応募書類にポートフォリオのリンクを含めることで、採用担当者はあなたの能力を直接確認することができます。

どちらのウェブサイトにもあるコミュニティセクションも、うまく利用すれば大きな力になります。他のデータ専門家とのネットワークを構築し、プロジェクトのインスピレーションやキャリアに関するアドバイス、コードを改善するための素晴らしいヒントを得ることができます。

どちらのプラットフォームにも成功例があります。これらのブログ記事では、DataquestとDataCampが、MiguelとJamenの就職にどのように役立ったかを説明しています。

結論

DataquestとDatacampは、どちらもデータサイエンスのスキルを磨くのに最適なプラットフォームです。さらに、どちらも充実した無料コンテンツを提供しているので、試してみようと考えている方は、そのプラットフォームが自分に合っているかどうかを確認するために、無料コンテンツを利用してみてはいかがでしょうか。同様に、どちらか迷っているのであれば、それぞれのサイトの無料講座を受講してみて、どちらが自分に合っているかを確認してみてはいかがでしょうか。

どちらのプラットフォームも、初心者や中級者レベルであれば、より強固な基盤を築くのに役立ちます。経験に勝るものはありませんから、有給休暇の代わりに履歴書に書けるようなプロジェクトを始めましょう。これは就職活動に大いに役立ちます。

欠点はあるものの、どちらのプラットフォームも非常に高い評価を得ています。さらに、オンラインで提供されている他のデータサイエンス講座と比べても、非常にお得な料金設定になっていますので、どちらかの有料会員になっておけば、後悔することはないでしょう。

DataQuestとDataCampどちらが最強か？

Dataquestは、テキストベースのコンテンツが好きな人にとっては非常に優れたツールです、情報にざっと目を通し、重要なポイントに集中して、必要なものを確実に取り入れるという学習スタイルでスキルを身につけることができます。手間はかかりますが、より複雑な概念については、別のタブで調べ物をして足りない部分を補うことができるので、満足することは間違い無いでしょう。しかし、このインターフェースは、HackerRankのようなDataquestの無料版とあまり変わらないので、もう少し刺激的であってもいいのではないかと思います。Dataquestが提供するコンテンツははるかに優れていますが、インターフェースにはそれが反映されていません。

DataCampのゲーム性があり学習していて飽きないように工夫されています。また、ユーザーの学習目標に合わせた多彩なトラックもとても気に入っています。しかし、このプラットフォームの良い点にもかかわらず、私はその穴埋め式のアプローチを見逃すことができません。DataCampでは、問題を素早く解決し、それを楽しみながら行うことができ、選択したトラックをすぐに駆け抜けることができます。しかし、プラットフォームの目的は学ぶことであり、課題をきちんと考えずにすぐに次の課題に移ってしまうと、学んだことの多くが定着しない可能性があります。

これらのプラットフォームのうち、どちらかを選ぶとすれば、あなたのレベルによるでしょう。初心者の場合には、穴埋め式でも全体の流れを掴むことが重要になるため、DataCampが優れています。しかし、中級レベルになると、一からコードを各能力が確実に求められるため、DataQuestでスキルを身につけることをおすすめします。前述の通り、そちらも無料のコンテンツが充実しています。私の言葉を鵜呑みにするべきではありません。私は、どちらのプラットフォームが好きかを決める前に、自分で両方のプラットフォームを試してみることを強くおすすめします。