データサイエンスは、統計とプログラミングを使って、データから答えを導き出す分野です。
Coursera（コーセラ）には、GoogleやIBM、Andrew Ng氏の講座など、データサイエンスを学べる講座がたくさんあります。
ただ、いざ探し始めると、こんな迷いが出てくるのではないでしょうか。
「Courseraでデータサイエンスを学びたいけど、どの講座から始めればいいの？」
「未経験からでも、資格や学位まで目指せるの？」
講座の数が多すぎて、どこから手をつければいいか迷いますよね。
結論から言うと、未経験なら「データ分析の入門 → Pythonと統計 → 機械学習 → 必要なら学位」の順番で進むのがおすすめです。
筆者は、このうちSTEP1にあたるGoogleデータアナリティクス認定を受講しました。
この記事では、4つの段階ごとにおすすめの講座と、次の段階に進む目安をお伝えします。
読み終えるころには、自分がいまどの段階にいて、次に何を受ければいいかがわかるはずです。
遠回りしない順番を、一緒に確認していきましょう！
※各講座の詳しい学習内容や料金は、別の記事にまとめています。この記事では「受ける順番」に絞ってお伝えします。
先に結論｜未経験からの4段階ロードマップ
まずは、4つの段階を早見表にまとめました。
| 段階 | 身につくこと | おすすめ講座 | もらえる証明書 | 目安の期間 |
| STEP1 入門 | 表計算、SQL、可視化、Pythonの入り口 | Google データアナリティクス／IBM データアナリスト | プロフェッショナル認定 | 週10時間で6か月／4か月 |
| STEP2 中級 | Python、統計、回帰分析、機械学習の入り口 | Google アドバンストデータアナリティクス／IBM データサイエンス | プロフェッショナル認定 | 週10時間で6か月／4か月 |
| STEP3 機械学習 | 機械学習のしくみと実装 | Machine Learning Specialization（次にDeep Learning Specialization） | 専門講座の修了証 | 週10時間で2か月（次は3か月） |
| STEP4 学位 | 修士号 | コロラド大学ボルダー校 MS-DS、イリノイ大学 MCS など | 学位 | 12～36か月 |
出典｜Coursera（Google Data Analytics）、Coursera（IBM Data Analyst）、Coursera（Google Advanced Data Analytics）、Coursera（IBM Data Science）、Coursera（Machine Learning Specialization）、Coursera（Degrees）
表の中で押さえておきたいのは、次の3点です。
- 講義はすべて英語だが、字幕の言語には日本語が含まれる
- STEP1～3を週10時間で進めると、合計でおよそ10～14か月かかる
- STEP4の学位は、全員が目指す必要はない
未経験の方でも、すでに経験がある方は途中の段階から始められます。
スタート地点の目安
- データ分析が初めて → STEP1から
- 表計算とSQLを仕事で使い、プログラミングにも触れたことがある → STEP2から
- Pythonで簡単なプログラムを書ける → STEP3から
Courseraで取れる証明書の種類（プロフェッショナル認定、専門講座、学位の違い）は、こちらの記事で解説しています。
データサイエンスで身につける3つのこと
Googleの講座ページでは、データサイエンスを次のように説明しています。
「数学と統計、プログラミング、AIと機械学習を使って、データから洞察を得るもの」
出典｜Coursera（Google Advanced Data Analytics）
つまり、身につけることは大きく分けて次の3つです。
- 統計：データから何が言えるのかを判断する
- Python・SQL：データを取り出し、加工し、グラフにする
- 機械学習：データから予測や分類をおこなう
この3つを一度に学ぼうとすると、途中で行き詰まりやすくなります。
1つずつ順番に積み上げていくのが、この記事のロードマップの考え方です。
STEP1｜入門：GoogleデータアナリティクスかIBMデータアナリスト
最初の段階では、データ分析の基本の流れを身につけます。
データを集めて、きれいにして、分析して、グラフで伝える、という一連の流れです。
おすすめは、GoogleとIBMがそれぞれ出している、未経験向けのプロフェッショナル認定です。
| 項目 | Google データアナリティクス | IBM データアナリスト |
| コース数 | 9コース | 11コース |
| 目安の期間 | 週10時間で6か月 | 週10時間で4か月 |
| 前提知識 | 不要 | 不要（基本的なPC操作と高校レベルの数学を想定） |
| 主なツール | スプレッドシート、SQL、Tableau、Python | Excel、SQL、Python、Cognos Analytics |
出典｜Coursera（Google Data Analytics）、Coursera（IBM Data Analyst）
どちらもSTEP1として十分な内容なので、受けるのはどちらか1つで構いません。
選ぶときの目安は、STEP2でどちらの道に進みたいかです。
- いまの仕事で数字を扱い、考え方から身につけたい → Google
- 早めにPythonをしっかり使えるようになりたい → IBM
Googleデータアナリティクスの課題や成果物は、こちらで詳しく紹介しています。
2つの違いを詳しく比べた記事もあるので、迷ったらこちらを参考にしてください。
筆者がGoogleデータアナリティクスを受講して感じたこと
筆者がGoogleデータアナリティクス認定を受講したのは、定量と定性の両面から改善の提案をできるようになりたかったからです。
受講してみて、高度な分析ができるようになるための下地づくりには好適な講座だと感じました。
目的にも、しっかり適った内容でした。
逆に言えば、STEP1を終えただけで、データサイエンティストのような分析ができるわけではありません。
STEP1は、あくまで次の段階に進むための土台づくりだと考えておきましょう。
STEP2に進む目安
次の3つができるようになったら、STEP2に進むタイミングです。
- SQLで、必要なデータを取り出せる
- スプレッドシートやExcelで、集計とグラフ作りができる
- Pythonのコードを読んで、何をしているかがなんとなくわかる
STEP2｜中級：Pythonと統計で、分析を一段深くする
STEP2では、Pythonと統計を本格的に使い、機械学習の入り口までたどり着きます。
ここでも、GoogleとIBMの認定がおすすめです。
STEP1で選んだ方の続きに進むと、学んだことがそのまま活きます。
| 項目 | Google アドバンストデータアナリティクス | IBM データサイエンス |
| コース数 | 7コース | 12コース |
| 目安の期間 | 週10時間で6か月 | 週10時間で4か月 |
| レベル | 上級 | 初心者向け |
| 前提 | データアナリティクス認定の修了者か、同じくらいの経験 | 不要（後半は微積分・線形代数の知識があると役立つ） |
| 主な内容 | Python、統計、回帰分析、機械学習 | Python、SQL、Jupyter、GitHub、機械学習 |
出典｜Coursera（Google Advanced Data Analytics）、Coursera（IBM Data Science）
STEP1でGoogleを選んだ人｜Googleアドバンストデータアナリティクス
Googleのアドバンストデータアナリティクス認定は、データアナリティクス認定の修了者に向けた上級の講座です。
公式ページでは、スプレッドシート、SQL、プログラミングの概念、ダッシュボードなどの理解が前提とされています。
つまり、STEP1のGoogleデータアナリティクスを終えた人が、そのまま進む前提で作られています。
統計や回帰分析、機械学習の基本を、PythonとJupyter Notebookを使って学んでいきます。
CourseraでGoogleアドバンストデータアナリティクス認定を見る
STEP1でIBMを選んだ人｜IBMデータサイエンス
IBMデータアナリストを選んだ人には、IBMデータサイエンス認定が近道になります。
実は、IBMデータアナリストの11コースのうち5コースは、IBMデータサイエンスにも同じ名前のコースとして入っています。
PythonやSQL、データ分析、可視化のコースです。
公式のFAQによると、ほかの認定で修了したコースは「Complete（修了）」と表示され、受け直す必要はありません。
IBMデータアナリストを終えていれば、残りは7コースという計算になります。
なお、IBMデータサイエンスは初心者向けなので、STEP1を飛ばして最初から選ぶこともできます。
寄り道もあり｜ダッシュボード作りを極めたいならビジネスインテリジェンス
機械学習よりも、レポートやダッシュボード作りを仕事に活かしたい方もいるでしょう。
その場合は、Googleのビジネスインテリジェンス認定という道もあります。
全4コース、週10時間で2か月が目安の上級講座です。
出典｜Coursera（Google Business Intelligence）
STEP3に進む目安
次の2つができるようになったら、STEP3に進むタイミングです。
- Pythonで、for文や関数、if文を使った簡単なプログラムを書ける
- 平均やばらつき、回帰分析が何を表しているかを説明できる
STEP3｜機械学習：Andrew Ng氏のMachine Learning Specialization
STEP3では、機械学習のしくみを、理論と実装の両方から学びます。
おすすめは「Machine Learning Specialization（機械学習専門講座）」です。
Stanford OnlineとDeepLearning.AIが提供しています。
AI研究者のAndrew Ng氏が中心になって作った、全3コースの初級講座です。
| 項目 | 内容 |
| 提供元 | Stanford Online、DeepLearning.AI |
| コース数 | 3コース |
| レベル | 初級 |
| 目安の期間 | 週10時間で2か月 |
| 学ぶこと | 教師あり学習（回帰と分類）、ニューラルネットワークと決定木、教師なし学習、推薦システム、強化学習 |
| 前提 | 基本的なコーディング（for文、関数、if/else）と、高校レベルの数学 |
出典｜Coursera（Machine Learning Specialization）
この講座をSTEP3に置いたのは、前提に「基本的なコーディング」が挙げられているからです。
STEP2でPythonに慣れておくと、講座の中身そのものに集中できます。
その先に進みたい方は、同じくAndrew Ng氏の「Deep Learning Specialization」に進みましょう。
全5コース、中級、週10時間で3か月が目安です。
出典｜Coursera（Deep Learning Specialization）
CourseraでMachine Learning Specializationを見る
CourseraでDeep Learning Specializationを見る
数学が不安な人は、数学の講座を間にはさむ
「機械学習って、数学が難しそう…」
と不安に感じる方もいるかもしれません。
Machine Learning Specializationでは、数学の詳しい解説動画は任意で、見なくても修了できる作りになっています。
それでも数学から固めたい方には、DeepLearning.AIの数学の講座があります。
「Mathematics for Machine Learning and Data Science」という専門講座です。
微積分、線形代数、統計と確率を学ぶ全3コースで、週5時間で12週間が目安です。
ただし、こちらは中級の講座で、関数や基本的な代数、初級～中級のPythonが前提です。
出典｜Coursera（Mathematics for Machine Learning and Data Science）
機械学習・ディープラーニングの講座は、次の記事でさらに詳しく紹介しています。
STEP4｜学位：オンラインの修士は、必要な人だけ
STEP4は、海外の大学の修士号をオンラインで取る段階です。
学位がほしい理由がはっきりしている方向けの段階で、全員が目指す必要はありません。
Courseraで学べるデータサイエンス系の修士には、たとえば次のようなプログラムがあります。
| 項目 | コロラド大学ボルダー校 MS-DS | イリノイ大学 MCS |
| 学位 | データサイエンスの修士 | コンピューターサイエンスの修士（データサイエンスのトラックあり） |
| 規模 | 30単位 | 8コース |
| 期間 | 24か月で修了 | 12～36か月 |
| 入学 | 出願不要。単位対象の3コースで一定の成績を取ると入学 | 出願が必要 |
出典｜Coursera（University of Colorado Boulder MS-DS）、Coursera（University of Illinois MCS）
コロラド大学ボルダー校のデータサイエンス修士は、学士号がなくても入学を目指せる、と公式ページに書かれています。
まずは単位対象のコースを受けてみて、手応えがあれば続ける、という進み方ができます。
さらに、STEP1～3の講座ページにも「学位の単位として認められる場合がある」と書かれています。
ただし、単位になるのは入学したあとで、何単位になるかは大学が判断します。
一方で、学費はどちらも総額1万5,000ドルを超えます。
修了証の講座とはケタが違うので、STEP3まで進んでから考えても遅くはないでしょう。
Courseraの学位が日本でどう扱われるのかは、こちらの記事で解説しています。
Courseraでコロラド大学ボルダー校のデータサイエンス修士を見る
英語が不安な人へ
この記事で紹介した講座は、どれも講義が英語です。
Googleデータアナリティクスには以前、日本語版の講座ページがありましたが、いまは英語版のページに転送されます。
一方で、どの講座も字幕の言語に日本語が含まれています。
英語が苦手でも、日本語の字幕を頼りに進めることはできるでしょう。
筆者がGoogleのUXデザイン認定を受講したときは、講義のスクリプトをコピーして、DeepLで翻訳しながら進めました。
課題の指示や小テストは英語で出てくるので、翻訳ツールを手元に置いておくと安心です。
日本語の字幕の見方や、英語が苦手な人の確かめ方は、こちらでまとめています。
どうしても英語の講座が合わない方は、STEP2のPythonと統計だけ日本語のスクールで学ぶ手もあります。
たとえばWinスクールは、個人レッスン型のパソコン・プログラミングスクールです。
「Python＋データ分析・AIコース」では、Pythonの基礎からpandasでのデータ分析、機械学習までを日本語で学べます。
教室への通学とオンラインのどちらでも受けられますが、受講料は講座ごとに20万円以上（税込）とCourseraよりかなり高めです。
予算より「質問できる環境」を優先したい方に向いています。
出典｜Winスクール（Python＋データ分析・AIコース）
受講前に知っておきたいこと
STEP1～3の講座は、どれも有料で登録して修了すると証明書がもらえます。
料金の払い方は講座単体・月額・Coursera Plusなどで変わるので、こちらで比べておきましょう。
また、Googleの認定が転職でどう評価されるのかは、こちらの記事で正直にお伝えしています。
まとめ｜まずはSTEP1の1講座から始めよう
Courseraでデータサイエンスを学ぶなら、入門 → Pythonと統計 → 機械学習 → 必要なら学位の順番がおすすめです。
この記事のポイントをおさらいしておきましょう。
- STEP1：GoogleデータアナリティクスかIBMデータアナリストで、分析の基本の流れを身につける
- STEP2：STEP1で選んだ方の続き（Googleアドバンスト、またはIBMデータサイエンス）に進む
- IBMデータアナリストを終えていれば、IBMデータサイエンスの5コースは受講済みの扱いになる
- STEP3：Pythonに慣れてから、Andrew Ng氏のMachine Learning Specializationへ
- STEP4：学位は必要な人だけ。STEP3まで進んでから考えても遅くない
- 講義はどれも英語だが、字幕の言語には日本語が含まれる
「1年以上も続けられるかな…」
という方も、まずはSTEP1の最初のコースをのぞいて、自分に合うかを確かめてみてください。
