技術評論社サイトのロゴ

先輩データサイエンティストからの指南書 -実務で生き抜くためのエンジニアリングスキル

「先輩データサイエンティストからの指南書」のカバー画像
著者
浅野純季（あさのじゅんき），木村真也（きむらまさや），田中冬馬（たなかとうま），武藤克大（むとうかつひろ），栁泉穂（やなぎみずほ）　著
定価
2,860円（本体2,600円＋税10%）
発売日
2025.8.27
判型
A5
頁数
240ページ
ISBN
978-4-297-15100-3 978-4-297-15101-0

サポート情報

概要

データサイエンティストに求められるスキルは、いまや分析技術だけではありません。実務で活躍できるデータサイエンティストになるためには、チームでの働き方も身に付けなければいけないでしょう。本書では、分析環境の準備・分析データのチェックから、機械学習モデルの運用やプロトタイプ開発まで、データサイエンティストが抑えるべき「分析前後」の知識を身に付けられます。ワンランク上のデータサイエンティストになるための、強力なガイドとなる本です。

こんな方にオススメ

  • 新人データサイエンティスト
  • 分析技術は学んできて、これからチームで働く人

目次

第1章　実務で生き抜くためのエンジニアリングスキル

1.1　データサイエンティストを取り巻く環境の変遷

  • 1.1.1　希少価値が高かったデータサイエンティスト黎明期
  • 1.1.2　技術民主化の波とPoC 止まりの現実
  • 1.1.3　データサイエンスを価値に繋げるために

1.2　プロジェクトで求められるエンジニアリングスキル

  • 1.2.1　データサイエンスプロジェクトのフロー
  • 1.2.2　データサイエンティストのスキル習得プロセスによる課題
  • 1.2.3　データサイエンスプロジェクト特有の難しさ
  • 1.2.4　価値を生むために必要なエンジニアリングスキル

1.3　まとめ

第2章　環境構築

2.1　分析の土台としての環境構築

  • 2.1.1　なぜ環境構築が大切か
  • 2.1.2　適切な環境構築をするために

2.2　リポジトリの構造を整える

  • 2.2.1　適切な構造のリポジトリを作るメリット
  • 2.2.2　本書で扱うリポジトリ構成

2.3　VS Codeでの開発環境の整備

  • 2.3.1　VS Code の設定
  • 2.3.2　VS Code の拡張機能
  • 2.3.3　VS Code のデバッガ
  • 2.3.4　VS Code のショートカット

2.4　Dev Container による仮想環境構築

  • 2.4.1　仮想環境とは
  • 2.4.2　仮想環境の種類
  • 2.4.3　Docker とDocker Compose
  • 2.4.4　Dev Container の使い方

2.5　uv によるパッケージ管理

  • 2.5.1　パッケージ管理
  • 2.5.2　パッケージマネージャーの比較
  • 2.5.3　uv によるパッケージ管理

2.6　まとめ

第3章　コードの品質管理

3.1　Notebookだけのデータサイエンティストからの卒業

  • 3.1.1　Notebookの手軽さと課題
  • 3.1.2　Notebook vs Python Script
  • 3.1.3　NotebookユーザーのためのPython Script入門
  • 3.1.4　一歩上のNotebookの使い方

3.2　コード品質とは

  • 3.2.1　コード品質の重要性
  • 3.2.2　品質の高いコードとは

3.3　品質の高いコードとその実現方法

  • 3.3.1　関数
  • 3.3.2　クラス
  • 3.3.3　命名
  • 3.3.4　コメントの書き方
  • 3.3.5　コーディング規約
  • 3.3.6　型ヒントと静的型チェック
  • 3.3.7　テスト
  • 3.3.8　品質の高いコードを書けるようになるためには

3.4　コードレビューによる品質管理

  • 3.4.1　コードレビューとは
  • 3.4.2　コードレビューの利点と継続のために
  • 3.4.3　Gitブランチ戦略を取り入れる
  • 3.4.4　コードレビューの心得
  • 3.4.5　チームでの効果的なコードレビューを目指して

3.5　まとめ

第4章　データの品質確認

4.1　データの品質確認の重要性

  • 4.1.1　データの品質との向き合い方
  • 4.1.2　現場のデータが汚い原因

4.2　分析開始前のデータ確認

  • 4.2.1　データの背景を理解する
  • 4.2.2　データの品質を理解する

4.3　Panderaによるデータフレームのバリデーション

  • 4.3.1　データ加工時の品質担保
  • 4.3.2　Panderaによるバリデーション

4.4　データ品質管理の継続的な取り組み

  • 4.4.1　データの変化のモニタリング
  • 4.4.2　データ基盤チームとの連携による品質改善

4.5　まとめ

第5章　機械学習モデルの実験管理

5.1　実験管理の意義

  • 5.1.1　データサイエンスプロジェクトの不確実性
  • 5.1.2　実験管理の必要性
  • 5.1.3　実験管理ツール

5.2　Hydraによるパラメータ管理

  • 5.2.1　Hydraの概要
  • 5.2.2　Hydraのインストール
  • 5.2.3　Hydraの基本機能
  • 5.2.4　Hydraの実践的な機能

5.3　MLflowによる実験の比較

  • 5.3.1　MLflowの概要
  • 5.3.2　MLflowのインストール
  • 5.3.3　MLflow Trackingのコンセプト
  • 5.3.4　MLflow Trackingによる実験管理

5.4　まとめ

第6章　プロトタイプ開発

6.1　プロトタイプ開発の意義

  • 6.1.1　プロトタイプ開発とは
  • 6.1.2　データサイエンティストに求められるアウトプット
  • 6.1.3　プロトタイプ開発の利点
  • 6.1.4　アプリケーションフレームワークの種類

6.2　Streamlitによるプロトタイプ開発

  • 6.2.1　プロトタイプの紹介
  • 6.2.2　Streamlitの概要
  • 6.2.3　Streamlitのインストール
  • 6.2.4　Streamlitによるシンプルなアプリケーションの作成
  • 6.2.5　Streamlitの機能・コンポーネントの紹介
  • 6.2.6　プロトタイプの作成

6.3　まとめ

プロフィール

浅野純季（あさのじゅんき）

株式会社ブレインパッド リードデータサイエンティスト。プロジェクトマネージャーとしてECサイトのマーケティング分析、レコメンド、効果検証、ゲームのチート検知などのプロジェクトをリード。 また、データサイエンスpodcast「白金鉱業.FM」の配信、Meetupイベント「白金鉱業Meetup」の主催、大学での寄付講義などでも活動。 1章と3章の執筆を担当。

木村真也（きむらまさや）

株式会社ブレインパッド データサイエンティスト。金融・食品業界におけるDX推進組織の立ち上げに携わる。DX推進組織のビジョンやアクションプランの策定といった上流の支援に加え、課題整理、分析、運用化までのデータ活用支援も担当。顧客のデータ活用人財の育成や社内コンペの主催など、データ・AI活用の民主化に向けた取り組みも実施。 4章の執筆を担当。

田中冬馬（たなかとうま）

株式会社ブレインパッド データサイエンティスト。デジタルマーケティングの領域での分析集計・機械学習モデルの構築や、LLMを活用したプロダクト開発などを担当。LLMに関する研究活動にも取り組み、論文の執筆や学会での発表を行なっている。社外では、AutoResというAIを活用した研究を自動化するプロジェクトに参画している。 2章の執筆を担当。

武藤克大（むとうかつひろ）

株式会社Citadel AI ソリューションエンジニア兼ソフトウェアエンジニア。新卒で株式会社ブレインパッドに入社し、機械学習エンジニアとして、製造業・小売・金融業を中心に、MLOpsの推進や生成AIを活用したシステムの検証・開発に携わる。現職では、AIセーフティーやAIガバナンスに関するプロダクトの導入支援や開発を行う。 3章と6章の執筆を担当。

栁泉穂（やなぎみずほ）

株式会社タイミー データサイエンティスト。新卒で株式会社ブレインパッドに入社し、通信や小売の領域を中心に、予測モデル開発やLLMアプリケーション開発、データ基盤整備などのプロジェクトに携わる。統計学を専攻していた知見を活かし、新卒研修の資料作成や講師も担当。 4章と5章の執筆を担当。