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。

  1. サンプルの項目と行数を書き留める。
  2. 適切なデータベースでクエリを一つ実行する。
  3. 数行分の結果を手作業で確認する。
  4. 実際の出力と予期しないケースをノートに保存する。
SQL Languageのスクリーンショット
SQL Language

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。

AI & LLM Engineeringのスクリーンショット
AI & LLM Engineering

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

  1. 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。
  2. 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。
  3. 手作業で数えた結果と比較する。
  4. 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。