【東大松尾研GCIレポート】第2〜5回｜データ分析って結局何のためにやるの？

はじめに

こんにちは。

神山まるごと高専で学びながら、株式会社EQUESでセールスインターンとして活動している塚本唯佳です。

前回の受講レポートでは、GCI全体の概要や学習の進め方について紹介しました。

今回は、第2回から第5回までの内容をまとめて振り返ります。

第2回から第5回までは、主にPythonを使った基礎的な内容が続きました。Google Colabの使い方から始まり、Pythonの基礎文法、NumPy、Pandas、Matplotlib、そして単回帰分析までを扱いました。

最初は「Pythonを学ぶ回」という印象が強かったのですが、複数回を通して受講してみると、ただコードを書くためではなく、データを扱い、整理し、見える形にして、そこから考えるための流れを学んでいるのだと感じました。

まずはPythonを動かすところから

第2回では、Google Colabの使い方とPythonの基礎文法について学びました。

Google Colabは、ブラウザ上でPythonを実行できるツールです。講義では、実際にGoogle Colabを操作している様子を映しながら説明が進められていたため、今どこを扱っているのかが分かりやすく、内容を追いやすかったです。

この回では、和・差・積・商などの演算、条件分岐、関数など、Pythonの基礎的な文法を扱いました。

事前学習を済ませておくと、講義の内容を比較的スムーズに追うことができます。逆に、ここを何も見ずに受けると、後半で少し大変になりそうだとも感じました。

データを「計算できる形」にする

第3回では、NumPyの使い方について学びました。

NumPyは、科学計算に向いているPythonライブラリです。N次元配列の計算や、表のようなデータをまとめて扱うことができます。

講義で扱ったのは主に二次元配列まででした。

ここで印象に残ったのは、NumPyを表を読み解くためのツールとして使っていたことです。

単に計算するだけではなく、情報を加工して、分析できる状態にすることが目的として説明されていました。

また、使い方をすべて覚える必要はなく、必要になったときに都度調べながら学んでいけばよいという姿勢も示されていました。

ライブラリの機能は多いので、最初から全部覚えようとするよりも、まずは、何ができるのかをざっくり知ることが大切なのだと思いました。

データを「扱いやすい形」にする

第4回では、Pandasの使い方について学びました。

Pandasは、DataFrame形式のデータを加工・処理できるライブラリです。データ分析ではよく使われるものだと説明されていました。

今回は基礎的な使い方として、データの中から欲しい情報を抜き取る方法、データを分割する方法、欠損値や異常値の取り扱いについて学びました。

このあたりから、内容がやや難しくなってきたように感じます。

ただ、Slackなどで宿題に関係するやり取りを見ることで、自分のミスに気づけることも多くありました。

自分だけで進めていると見落としてしまう部分も、他の人の質問や回答を見ることで「あ、ここ自分も間違えているかもしれない」と気づけることがあります。

データを「見える形」にする

第5回では、Matplotlibの使い方について学びました。

Matplotlibは、プログラムを使ってデータを可視化するためのライブラリです。

関数を変えることで、散布図、棒グラフ、円グラフ、箱ひげ図など、さまざまなグラフを作ることができます。また、文字サイズやグラフサイズなども変更できます。

数値のままだと分かりにくい情報も、グラフとして可視化されるとかなり見やすくなります。

一方で、関数の種類が多いため、ここから覚えることが一気に増えたようにも感じました。

何を見たいのかによって使うグラフや関数が変わるので、ただ書き方を覚えるだけではなく、目的に合わせて使い分ける必要がありそうです。

予測するためにデータを使う

第5回では、単回帰分析についても学びました。

正直、かなり難しく感じました。

単回帰分析とは、2つのデータの関係を近似する直線を引き、それを使って予測することです。

講義では、1学期の成績から3学期の成績を予測するという例が挙げられていました。

要するに、過去のデータを利用して、未来にどのようなことが起こるかを想定するものだと理解しました。

単回帰モデルと呼ばれるものを使って予測を行うとのことでしたが、ここはまだ自分の中で完全に理解できているとは言えません。

ただ、ここまでの流れを振り返ると、少しつながりが見えました。

Pythonでデータを扱えるようにする。

NumPyやPandasでデータを加工する。

Matplotlibで可視化する。

そして、単回帰分析で予測につなげる。

データ分析は、ただ数字を眺めることではなく、データを扱える形にして、見やすくして、そこから判断や予測につなげるためのものなのだと感じました。

課題に取り組んで感じたこと

回を重ねるにつれて、宿題でもこれまでの内容を参照する場面が増えてきました。

そのため、内容をぼんやりとでも覚えていないと、どこから手をつければよいか目星がつけにくいことがあります。

私自身、前にやった内容を思い出せそうなときはGPTに質問してやり方を確認し、それでも分からない場合はスライドを見直す、という流れで進めることが多いです。

新しい内容が増えていく中で、過去の内容を完全に覚えている必要はないとしても、「何をどこで学んだか」をなんとなく覚えておくことは大切だと感じました。

おわりに

第2回から第5回までを通して、Pythonの基礎から、データの加工、可視化、そして予測の入り口までを学びました。

最初はそれぞれ別々の内容に見えていましたが、振り返ってみると、

・データを扱う
・データを整える
・データを見える形にする
・データから予測する

という流れになっていたように感じます。

「データ分析って結局何のためにやるのか」という問いに対して、

現時点では、データをもとに判断や予測を行うための準備と実践なのだと考えました。

まだ難しい部分も多いですが、引き続き講義や課題を通して、少しずつ理解を深めていきたいです！

募集｜東大松尾研発スタートアップの"パートナーズ"になりませんか？

株式会社EQUES公式LINEオープンチャットでは、単発アルバイトやインターン、採用情報、最新のAIニュース、交流会情報など、幅広い情報を随時発信しております✉️
ご興味をお持ちの方は（もちろん匿名OKです！）下記リンクからぜひご参加くださいませ🌟

🍣交流会開催のおしらせ🍕

EQUES本社オフィスにて「定期交流会」を開催しております！🌟

• AIに少しでも興味がある

• お寿司やピザ片手にAIの情勢や東大の生活について語りたい

• スタートアップに興味がある

という方は、参加費無料・途中入室/退室自由ですので、ぜひお気軽にご参加ください🌟

イベント開催日等の詳細はこちらから：
https://eques.connpass.com/

#AI　#高校生　#データ　#AI副業　#起業家　#インターン　#東大　#データサイエンス　#講義　#神山まるごと高専　#東大松尾研　#GCI #Python