問いを残す。
そして根拠も残す。
すべての実験を再現しやすくするために、問い、データ、方法、観察結果、限界を記録しましょう。
この方法は、データサイエンスの資料を片っ端から集めるためではなく、実際の練習を整理するために使ってください。リンク先のSaif Saber Studioテンプレートは学習用の参考資料であり、SQLの実行、ノートブック環境の提供、AIモデルの提供は行いません。記録用には通常のNotionページでも十分です。
答えられる問いを一つ選ぶ
使用許可のある小さなデータセットか架空の表を選びます。例えば「カテゴリごとに完了した練習タスクはいくつか?」という問いです。クエリを書く前に、1行と各項目、そして「完了」の意味を定義しましょう。結果が予想外でも、最初の問いを残してください。
1. 再現できる小さな入力でSQLを学ぶ
出典一覧にある SQL Language はデータベースサーバーではなく参考教材です。例えば次のような練習用クエリは SELECT category, COUNT(*) FROM tasks WHERE completed = 1 GROUP BY category tasksという表があると仮定しています。これは説明用の例で、実際のユーザーデータでは実行していません。
- サンプルの項目と行数を書き留める。
- 適切なデータベースでクエリを一つ実行する。
- 数行分の結果を手作業で確認する。
- 実際の出力と予期しないケースをノートに保存する。

2. 目的に合わせてPython、R、MATLABを選ぶ
カタログには Python Language, R Language と MATLAB Language が個別の参考資料として掲載されています。3つすべてを使う必要はありません。コードを実行し、入力を検証し、小さな変換を試し、コードと結果を保存できる環境を一つ選びましょう。
単位、欠損データ、重要なソフトウェアのバージョン、グラフの前提条件を記録してください。見た目の整った図だけでは、分析が正しい証拠にはなりません。
3. 問いの解決に役立つときだけAIを評価する
AI & LLM Engineering は出典一覧にある参考製品で、現在は有料に分類されています。稼働中のAIモデルサービスではありません。プロンプト実験では、タスク、サンプル入力、評価基準、出力、失敗例を一つ記録しましょう。
事実や数値の回答は独立して確認してください。共有ノート、例、公開リンクに個人データセットやサービスの認証情報を載せないでください。

4. Notionに実験ログを残す
| 項目 | 記録する内容 |
|---|---|
| 問い | 調べたい具体的な主張を一つ |
| 入力 | 利用を許可された出典、サンプルサイズ、単位 |
| 方法 | クエリ、コード、プロンプトと関連するバージョン |
| 観察結果 | 期待した答えではなく実際の出力 |
| 限界 | 欠損データ、不確実性、次の確認事項 |
実行に使った外部環境へのリンクを追加してください。Notionは根拠を整理しますが、実際のデータベース、分析ツール、モデルのエンドポイントの代わりにはなりません。
小さな架空の練習
- カテゴリと完了フラグを持つ架空の練習タスクを10行作る。
- 実際のローカルSQL環境で完了行をカテゴリ別に集計する。
- 手作業で数えた結果と比較する。
- カテゴリが欠けたり行が重複したりした場合を記録する。
実行する前にクエリの出力を作り話にしないでください。これらのサンプルタスクは、実際の顧客活動や講座の品質を示すものではありません。
共有前に根拠と権限を確認する
現在の正規製品ページが確認できるのは、参考資料が一覧に載っていることだけです。授業内容の正確さ、価格、言語、実行機能を独立検証したわけではありません。この記事のために購入、コード実行、データセット評価、ブラウザテストは行っていません。
適切なライセンスのデータと機密情報を除いた例を使いましょう。プログラミングの基礎学習計画については 初心者向けプログラミング学習ロードマップ、HTML/CSS/Reactの練習については フロントエンド学習の進め方.
よくある質問
ここに挙げた言語を全部学ぶ必要がありますか?
いいえ。一つのタスクと適切なツールから始め、必要になったら広げてください。
Notionがこの分析を代わりに実行できますか?
これらは参考テンプレートです。SQL、コード、AIへのリクエストは適切な外部環境で実行し、結果へのリンクを追加してください。


