Tech Frontier(テクフロ)の受講生で、日用品メーカーの研究開発職として働く20代後半のKさんは、データサイエンス未経験から4ヶ月で、香り成分の分析に機械学習(教師なし学習)を取り入れました。
研究開発の仕事で、Pythonやデータ分析を本当に使えるのか。データサイエンス未経験からでも、業務に活かせるまで何ヶ月かかるのか。結論から言うと、4ヶ月で業務に使えます。日用品メーカーの研究開発職として香り成分の分析を担当する20代後半のKさんは、Pythonの基礎文法をYouTubeで学んだだけの状態から、テクフロで4ヶ月学び、香り成分の分析に機械学習の教師なし学習を取り入れました。社内では「今まで試されていなかった分析」として、多くの社員から好評を得ています。
はやたす本記事では、データサイエンス未経験から2ヶ月目にKaggleのHouse Pricesで上位7.8%に入り、4ヶ月で香り成分の分析に機械学習を取り入れたKさんにインタビューしました!
Excelで実験データを処理していた研究開発職のKさんが、どの順番でPythonとデータ分析を学び、職場の分析に落とし込んだのか。学習時間の作り方や、使ったテキストの数まで対談の内容をもとにまとめました。
- 研究開発職の仕事に、Pythonやデータ分析を活かせるか知りたい
- Pythonの基礎文法は学んだが、分析に使える気がしない
- データサイエンスのロードマップを読んでも、具体的な進め方が浮かばない
- データサイエンスの活用事例を、会社員の目線で知りたい
上のような疑問や悩みを抱えている方にピッタリな内容です。
今の研究や実験のデータを、Pythonで一歩深く分析したいと考えている方は、ぜひ最後まで記事をご覧ください!


研究開発職がPythonを業務活用|データ分析未経験のKさんが4ヶ月で香り成分の分析に機械学習を使うまで





「研究開発の仕事でも、Pythonやデータ分析は業務に使えますか?」と聞かれたら、答えは使えます。
Kさんは日用品メーカーで香り成分の分析を担当しながら学び、テクフロに入って4ヶ月で、香り成分の分析に機械学習の教師なし学習を取り入れました。
| 年代・性別 | 20代後半・男性 |
| 職業 | 日用品メーカーの研究開発職。香り成分の分析を担当 |
| 受講前のスキル | Pythonは独学で約3ヶ月。YouTubeでif文・for文・関数などの基礎文法を学んだ程度で、自分で何かを作ったり分析したりはできない。データサイエンスは未経験。仕事では香り成分の分析や調査の結果をExcelで処理していた |
| 学習時間 | 受講前は2〜3日に2時間ほど。受講後は平日に1日平均2〜3時間、土日は3〜4時間 |
| 入会1ヶ月 | データサイエンスの基礎をテキストで一通り終える |
| 入会2ヶ月目 | KaggleのHouse Prices(初心者向けコンペ)で上位7.8% |
| 入会3〜4ヶ月目 | Kaggleの開催中の一般コンペに参加。メダルは逃したが、提出しなかったノートブックには銅メダルラインを超えるスコアもあった |
| 業務での変化 | 香り成分の分析に教師なし学習(クラスタリングなど)を取り入れ、製品ごとの特徴がきれいに分かれる結果を得た。社内で今まで試されていなかった分析として好評 |
| 使ったテキスト | 合計4冊 |



こんにちは、はやたすです!
今回はテクフロ受講生のKさんに、成果報告として来ていただきました。
自己紹介をお願いできますか?



20代後半で、日用品メーカーの研究開発職をしています。
香り成分の分析などを担当しています。



かなり珍しいお仕事ですよね。
初めて伺ったとき、香り成分を分析する職業があるんだと驚いた記憶があります。
データ分析未経験の研究開発職が、Pythonとデータサイエンスを学び始めた理由





研究開発職でExcelを使って分析している方は、Pythonを学ぶと仕事の幅が広がります。
Kさんも入会前は、Pythonの基礎文法を動画で学んだ段階で止まっていました。
学び始めたきっかけから伺います。
コロナで自宅にいた時間に、Python入門を始めた



プログラミングやデータサイエンスを学び始めた理由を教えてください。



YouTubeをたまたま見ていて、データサイエンティストの職業を知りました。
ちょうどコロナにかかって、少し自由な時間ができたんです。
はやたすさんの動画を見ながら、Python入門とデータサイエンスをやってみたら、すぐ面白くなりました。
今の業務に活かせそうだと感じたので、続けてみたいと思って無料相談会に申し込みました。



今のお仕事でも、Pythonは使っていないけれどデータ分析に近い作業はされていましたよね。



香り成分を分析するときや、使用品の調査をしたときの結果を、Excelで処理していました。
Pythonの基礎文法は分かるが、分析には使えなかった



入会前のスキルは、どれくらいでしたか?



Pythonが何なのか、if文やfor文などの基礎文法をYouTubeの動画で分かっているくらいのレベルでした。
何かを作ったり、何かを分析したりするのは、まだ難しい状態です。
データサイエンスの基礎はありませんでした。
ロードマップは頭で分かっても、具体的な進め方が浮かばなかった



入会前は、何に悩んでいましたか?



Python入門とデータサイエンティスト入門の動画までは、順調に進んでいました。
次に、データサイエンティストになるまでのロードマップを見て、テキストを使って勉強していけばいいとは頭で理解できたんです。
ただ、具体的なイメージが湧かなくて、本当にロードマップどおりにやっていけるのかと漠然とした不安がありました。



ブログでデータサイエンスの独学ロードマップを書き始めて、4年ほど経ちます。
書かれた手順は理解できても、自分に合っているのか、本当に身につくのかは腑に落ちないんですよね。
学習に悩む方が今もいる理由は、まさにKさんの話のとおりです。
ほかのスクールは比べず、無料相談会のあとに即決した



テクフロに参加しようと思った理由を教えてください。



1つは、無料相談会で対面して、はやたすさんの人柄の良さに惚れたからです。
もう1つは、自分がなりたい姿に向かって最短距離で勉強をサポートしてもらえる点が、すごくありがたいと思いました。
ほかのスクールを検討する前に無料相談会に参加して、考える時間ももらったんですけど、貴重なチャンスを逃してはいけないと思って飛び込みました。



マンツーマンの指導に、不安はありませんでしたか?



うまくやっていけるのか、人間関係の不安はありました。
ただ、無料相談会でも親身に相談に乗ってくださったので、始める前には不安はなくなっていました。
データ分析未経験から2ヶ月目にKaggle上位7.8%|Kさんの学び方3つ





データ分析未経験でも、2ヶ月目にはKaggleで結果を出せます。
Kさんは基礎学習を1ヶ月で終え、2ヶ月目にHouse Pricesで上位7.8%に入りました。
結果につながった学び方は、次の3つです。
- 基礎は1ヶ月、テキストは4冊に絞った
- テキストにない処理は、上位者のコードやDiscussionから自分で探した
- 開催中の一般コンペに出て、書籍にない戦い方を学んだ
基礎は1ヶ月、使ったテキストは合計4冊だけ



受講したあと、何ヶ月でどれくらいの結果が出たか教えてください。



データサイエンスのテキストで基礎を身につけて、2ヶ月目が始まったころにはKaggleに参加して、手探りで挑戦できるようになりました。
3〜4ヶ月目には本番のデータ分析コンペに参加して、しっかり挑戦できる体制が整ったと思っています。



使ったテキストは、合計で4冊でしたよね。
データサイエンスは学ぶ範囲が広いと言われますが、実際どう感じましたか?



データサイエンスは広くて深いので、10冊、20冊と使っていかないといけないと思っていました。
蓋を開けてみれば、少ない冊数で、短い期間にガッと勉強できました。



コンペに出る前に、数学や機械学習の理論を追いかける方も多いんです。
実際は、使うモデルはだいたい決まっています。
先に分析をしてイメージをつかみ、あとから「どんなモデルだったのか」を振り返るほうが効率的です。
テキストにない処理は、上位者のコードやDiscussionから探した



House Pricesで上位7.8%と聞いて、びっくりしました。
僕と始めてから半年も経っていないのに、です。
基礎学習で使うテキストにあまり出てこない処理も使っていましたよね。
知識はどこから引っ張ってきたんですか?



もう1冊、コンペに役立つコードが載っているテキストを参考にしたり、KaggleのDiscussionをチラチラ見たりしていました。
Kaggleで立ち回っていくうえで必要な知識は、ネットや書籍から自分なりに探して使っていました。



自分で調べて解決する力、いわゆる自走力が身についてきた証拠ですね!
開催中のKaggleコンペで、書籍にないニューラルネットワークの使い方を学んだ



開催中のKaggleのコンペに参加してみて、スキルが上がった感触はありますか?



参加しないと分からない内容が、たくさんあります。
ニューラルネットワークの使い方や、データ数が少ないコンペでの戦い方を中心に学びました。
今回は銅メダルのランクには届かなかったんですが、提出していないノートブックの中には、銅メダルラインを超えるスコアのノートブックもありました。
かなりの実力がついたと思っています。



今回のコンペは、運に左右される部分が大きいと参加者から声が上がっていたコンペでした。
銅メダル相当のスコアのノートブックを残せたのは、分析力がついた証拠です。
普通のデータ量でしっかり取り組めるコンペなら、銅メダルも狙えると思います。



Kaggleを始めてからは、書籍で学ぶよりも、上位者のコードを見て学ぶ場面のほうが多かったです。
次こそ銅メダルを取る気持ちで参加します!
データサイエンスの業務活用事例|研究開発職のKさんが香り成分の分析に教師なし学習を使った





研究開発職のデータ分析にも、機械学習は使えます。
Kさんは香り成分の分析に、正解ラベルのないデータからグループを見つける教師なし学習を取り入れました。
社内の反応まで伺います。
香り成分の分析に教師なし学習を入れたら、製品ごとの特徴がきれいに分かれた



テクフロに参加してから、教師なし学習を実務に落とし込んだんですよね。
具体的にどんな分析をしたのか、教えていただけますか?



言える範囲になってしまうんですけど、もともと香り成分の分析に携わる機会が多かったんです。
分析手法の1つとして教師なし学習を取り入れてみたら、面白い成果が出ました。
製品ごとに特徴がすごくきれいに分かれたデータが得られたんです。
社内で「今まで試されていなかった分析」と好評だった



上司や他部署の方にも結果を見せたと思います。
反応はどうでしたか?



今までに試されていなかった分析だったので、多くの方に好評をいただきました。



素晴らしいですね!
今後、会社でデータサイエンスを活用するときに「Kさんが前に分析をしていたから、また頼もう」となるはずです。
社内でいいポジションを取れたと思います。
Kaggleに挑戦した経験は、実務にもしっかり活きてきますね。
業務では教師なし学習、Kaggleでは教師あり学習を磨く



今後、どうなっていきたいですか?



業務のほうでは、教師なし学習を使って香りの分析をどんどん深掘りしていきたいです。
教師あり学習はKaggleのコンペで実力を上げて、業務とコンペの両輪で進めていければと考えています。
自然言語処理も、1つの目標にして勉強するつもりです。
業務にも少し絡んでくる内容なので、自分で学びつつ、コンペにも参加して力を磨き、業務でも活かせたらと思っています。



Kさんのお仕事を伺っていると、自然言語処理も活用できそうですね。
テーブルデータで実力を磨きつつ、自然言語処理も学んでいけるといいと思います。



コンペで学んだ機械学習を、社内のAI導入までつなげた受講生の事例もあわせてご覧ください。


働きながら4ヶ月走り抜けられた理由は、日報と2週間に1回の1on1





研究開発の仕事をしながら、Kさんの学習時間は受講前の数倍に増えました。
続けられた理由を伺います。
日報へのフィードバックと1on1で、計画を一緒に立てた



テクフロに参加して良かった点を教えてください。



良かった点しかないんですけど、独学ではモチベーションが大切だと思います。
日々の日報に細かくフィードバックをくださったり、2週間に1回の1on1で、今後の計画を一緒に立ててくださったり、褒めてくださったりしました。
おかげで4ヶ月間を走り抜けられたと思っています。
技術質問は半日以内に返信、つまずいたら動画で解説



技術的な質問は、いつでもできるようにしています。
返信の速さはどうでしたか?



いつも速くて、半日空かないくらいのスピードで返ってきたので、本当に驚いていました。
つまずく時間もなくなりましたし、目の前のエラーだけの対処ではなく、問題が出たときの考え方まで動画で分かりやすく教えてくださったのがありがたかったです。



テキストで答えるだけでなく、1人ひとりに動画を撮ってお渡しする場合もあります。
最初のほうに、コードの動作が分からないと質問をいただいたときも、動画でお返ししましたね。
学習時間は「2〜3日に2時間」から「1日平均2〜3時間」へ



学習時間や勉強の方法は、受講前と比べてどう変わりましたか?



前は、余裕がある時だけやればいいかなと考えていて、2〜3日に2時間くらいのペースでした。
見てもらうようになってからは、1日平均2〜3時間取れるようになり、土日は日によりますが3〜4時間ほど取れていました。
勉強の方法も、YouTubeで知りたい内容を手当たり次第に追う効率の悪いやり方から、なりたい姿を明確にして、テキストの大事な部分を押さえつつ、重要でない部分は抜く進め方に変わりました。
研究開発職がPythonとデータ分析を業務に活かす5ステップ





研究開発職の方がPythonとデータ分析を業務に活かすなら、Kさんの4ヶ月の進め方を手順として使えます。
最初にやる手順を、順番に並べました。
- Excelで処理している業務データを書き出す
- 基礎は1ヶ月、テキストは数冊に絞って終える
- 2ヶ月目に初心者向けのKaggleコンペで手を動かす
- 開催中のコンペで、上位者のコードから学ぶ
- 業務データに教師なし学習を試し、社内で結果を見せる
ステップ1:Excelで処理している業務データを書き出す



Kさんは入会前から、香り成分の分析や使用品の調査の結果をExcelで処理していました。
研究開発職の方は、実験や測定のデータをすでに手元に持っています。
Pythonで分析したい業務データの候補を先に書き出すと、学ぶ目的がはっきりします。
ステップ2:基礎は1ヶ月、テキストは数冊に絞って終える



Kさんは10冊、20冊が必要だと思っていましたが、実際に使ったテキストは4冊でした。
テキストの大事な部分を押さえ、重要でない部分は抜いて、基礎を1ヶ月で終えています。
ステップ3:2ヶ月目に初心者向けのKaggleコンペで手を動かす



基礎が終わったら、KaggleのHouse Pricesのような初心者向けコンペに出てください。
Kさんは2ヶ月目に挑戦して上位7.8%に入りました。
テキストに載っていない処理は、Discussionや別の書籍から探して使っています。
ステップ4:開催中のコンペで、上位者のコードから学ぶ



3〜4ヶ月目は、開催中の一般コンペに参加します。
Kさんはニューラルネットワークの使い方や、データ数が少ないときの戦い方を学びました。
書籍よりも上位者のコードから学ぶ量が増える時期です。
ステップ5:業務データに教師なし学習を試し、社内で結果を見せる



最後に、ステップ1で書き出した業務データで分析を試します。
Kさんは香り成分の分析に教師なし学習を取り入れ、製品ごとの特徴がきれいに分かれる結果を社内に見せました。
今まで社内で試されていない分析ほど、周りの評価につながります。
【まとめ】研究開発職・データ分析未経験からでも、4ヶ月でPythonを業務に活かせる





研究開発職で、データサイエンスが未経験でも、4ヶ月でPythonとデータ分析を業務に活かせます。
Kさんの事例を整理します。
- 職業:日用品メーカーの研究開発職(香り成分の分析を担当)、20代後半
- 受講前:Pythonは独学で約3ヶ月、基礎文法を動画で学んだ段階。データサイエンスは未経験
- 学び方:基礎は1ヶ月、テキストは合計4冊。平日1日平均2〜3時間、土日3〜4時間
- コンペ:2ヶ月目にKaggleのHouse Pricesで上位7.8%、3〜4ヶ月目に一般コンペで銅メダルラインを超えるスコアのノートブックを作成
- 業務:香り成分の分析に教師なし学習を取り入れ、製品ごとの特徴がきれいに分かれた。社内で今まで試されていなかった分析として好評



最後に、独学でうまくいかない方へメッセージをいただけますか?



データサイエンスは学ぶのもすごく大事なんですけど、学びながら手を動かす、アウトプットするのが本当に大事だと、4ヶ月間で感じています。
皆さん、手をガシガシ動かしてみてください。
もう1つは、1人でやるのではなく、なりたい姿に向かう最短距離を相談できる人を見つけてほしいです。
身近にデータサイエンティストの方がいれば相談するのもいいですし、いない方は、はやたすさんに相談してみてください。



最後に宣伝まで入れてくださって、ありがとうございます(笑)
手を動かす量が、業務で使える力に直結します。
Kさん、本日はありがとうございました!
Kさんのように「身近にデータサイエンティストがいない」方へ



研究開発の現場に、Pythonやデータサイエンスを教えてくれる先輩がいるとは限りません。
Kさんも、ロードマップを読んでも進め方が浮かばない状態から始めました。
4ヶ月で変わったのは、学ぶ量ではなく学んだらすぐコンペと業務データで試す順番です。



公式LINEでは、Pythonの基礎からデータ分析コンペ、業務での活用までの進む順番を、約1時間の限定動画で無料公開しています。
手元の実験データを分析に使うまでの道筋を、最初に確認しておいてください。
研究開発職のPython業務活用でよくある質問


研究開発職でもPythonを業務で活用できる?



研究開発職でも、Pythonは業務で活用できます。日用品メーカーの研究開発職のKさんは、テクフロに入って4ヶ月で、香り成分の分析に機械学習の教師なし学習を取り入れ、社内で今まで試されていなかった分析として好評を得ました。
データ分析未経験から、何ヶ月で業務に使える?



Kさんの場合は4ヶ月でした。基礎を1ヶ月で終え、2ヶ月目にKaggleのHouse Pricesで上位7.8%、3〜4ヶ月目に一般コンペに参加しながら、並行して業務データの分析に取り組んでいます。
教師なし学習のデータサイエンス活用事例は?



Kさんの事例では、香り成分のデータに教師なし学習を使い、製品ごとの特徴がきれいに分かれる結果を得ました。教師なし学習は正解ラベルのないデータからグループを見つける手法で、研究開発の測定データとも相性がいい手法です。
Kaggleの経験はデータ分析の業務に役立つ?



Kaggleの経験は業務に役立ちます。Kさんはコンペで上位者のコードから学んだ分析の手順を、業務の香り成分の分析に使いました。今後も業務では教師なし学習、Kaggleでは教師あり学習を磨く両輪で進める予定です。
働きながらPythonを学ぶ時間はどれくらい必要?



Kさんは平日に1日平均2〜3時間、土日に3〜4時間を学習にあてました。受講前は2〜3日に2時間ほどでしたが、日報と2週間に1回の1on1で計画を立てるようになってから、学習時間が増えています。
Kさんが学んだスクールはどこ?
Kさんが学んだスクールは、テクフロです。テクフロは6ヶ月間のオンライン完結型のデータサイエンススクールで、1ヶ月で基礎を終えて2ヶ月目からKaggle・SIGNATEの分析コンペに取り組みます。Kさんの成果は、4ヶ月での香り成分の分析への機械学習の導入です。











