こんな悩みにお答えします。
1. Aidemy
・・・AIエンジニアとしてのスキルを身に付けたい。その延長で就職、転職できたら嬉しい方におすすめ。
2.侍エンジニア塾
・・・基礎力と即戦力を身に付けられる、満足度No.1スクール
3. TechAcademy
・・・副業に向けてスキルアップしたい。フリーランスなどを目指している方向け。
4. AIジョブカレッジ
・・・コスパ良く、質の高い講座を受けたい方におすすめ。
本記事の信頼性
現在はデータサイエンティストとして大企業で活動しています。
1. 結論:初心者には
総合評価 (おすすめ度) | 入賞難易度 (賞金獲得難易度) | レベル | |
Kaggle | 中級者 ~上級者 | ||
SIGNATE | 中級者 | ||
ProbSpace | 初級者 ~中級者 | ||
Nishika | 初級者 ~中級者 | ||
NRIマーケティングコンテスト | 中級者 ~上級者 |
結論、初心者の方にはProbSpaceかNishikaがおすすめです。
どちらも比較的新しいデータ分析コンペで、参加者数やコンペ数はそれほど多くありませんが、その分競争率が低く入賞できる可能性が高いと考えられます。
また、内容についても身近なテーマが多く参加しやすいコンペがたくさんあります。
KaggleやSIGNATEなどの有名なコンペで優秀な成績を収めると就職や転職に有利に働くなどの利点がありますが、はじめの一歩としては、挫折しないためにも規模の小さいコンペへのチャレンジでも良いのではないかと思います。
それではここから、「コンペの選び方」と「各プラットフォームの概要」をご紹介していきます。
2.
まず最初に気になるのは、「どのコンペに参加すればいいか?」という点でしょう。ここでは、4つの軸からコンペの選び方をご紹介します。
2. コンペのレベル
3. コンペの規模
4. コンペの分野
まずは1. コンペの賞金です。賞金の有無は参加のモチベーションに大きく影響しますから非常に重要な要素となります。一般的には上位数名に賞金が贈られるケースが多く、金額は5万円程度~100万円以上までコンペによって異なります。また、賞金があるコンペは必然的に参加者が増えるため競合率が高くなります。もちろん初心者の方でも参加することはできますが、あまりにも上位と差がありすぎるとアルゴリズムを改善する気力もなくなってしまう可能性があるため、最初はトレーニング用のコンペに参加してみるのも良いでしょう。
次に2. コンペのレベルです。コンペによっては「学生限定」や「称号限定」など参加者が限定されている場合があります。Kaggleなどの有名コンペでは専属してコンペに取り組んでいるKagglerと呼ばれる方がおり、その中で一般の方が勝ち抜くのは正直至難の業です。したがって、参加者が限定されているコンペの方が入賞できる可能性も高くなるでしょう。
3つ目は3. コンペの規模です。具体的には参加人数と入賞(賞金獲得)条件です。コンペが始まると現在の参加者が表示されます。参加者が多いと入賞することは難しくなりますし、逆に参加者が少ないと上位に食い込める可能性が高くなります。また、何位に入れば入賞できるかもポイントになります。1位のみ賞金を獲得できるのか、3位でも獲得できるのか。。コンペの難易度を決める重要な要素になるでしょう。
最後に4. コンペの分野です。テーマや解法に着目しましょう。コンペでは多様なテーマが扱われています。スポーツやECのposデータ、金融商品などなど。あなたが興味のあるテーマのコンペを選ぶことが上位進出には大切になるでしょう。また、コンペの概要を見て解法を想像することも大切です。機械学習や統計手法と言っても多岐に渡ります。異常検知、自然言語処理、画像処理など、あなたが取り組んだことのある手法や取り組んでみたいアルゴリズムのコンペを選ぶようにしましょう。
3. 賞金ありのおすすめプラットフォーム5選
ここから初心者にもおすすめの賞金獲得のチャンスがあるプラットフォームを5つご紹介します。
② SIGNATE
③ ProbSpace
④ Nishika
⑤ NRIマーケティングコンテスト
総合評価(おすすめ度) | |
入賞難易度(賞金獲得難易度) | |
コンペ数 | 多 |
参加者数 | 多 |
称号価値 | 高 |
レベル | 中級者 (機械学習や統計学に関する実務経験あり /関連研究室に在籍経験あり) 上級者 (機械学習や統計学に関する実務経験数年以上あり /関連研究室での修士博士課程卒業) |
公式サイト | https://www.kaggle.com/ |
Kaggleは世界で最も有名で大規模なコンペの一つ。
常に複数のコンペが開催されており、自分に合ったコンペを選びやすいことが特徴。一方で参加者が多く専業Kagglerも存在することから個人で入賞することは非常に難しくなっています。コンペの結果によって参加者には称号が与えられ、就職や転職の際には他の資格と同等の価値を持つことがあります。
Kaggleでは上位入賞者のコードを閲覧することができるため、コンペが終わった後の学習にも活かすことができます。コンペに挑戦して終わりではなくスキルアップに繋げられることは良い点です。
>>【Python】おすすめ書籍20選(入門~AI・機械学習)(現役データサイエンティストが厳選)
>>Pythonでデータ分析する方法を学べるおすすめ本5選
>>【Python】機械学習を学べるおすすめ本5選
>>【Python】ディープラーニングを学べるおすすめ本4選
総合評価(おすすめ度) | |
入賞難易度(賞金獲得難易度) | |
コンペ数 | 中 |
参加者数 | 中 |
称号価値 | 中 |
レベル | 中級者 (機械学習や統計学に関する実務経験あり /関連研究室に在籍経験あり) |
公式サイト | https://signate.jp/ |
SIGNATEは日本最大級のデータ分析コンペ。
コンペ参加者数は66,000人(延べ)を超え、累計賞金額も7,000万円にのぼります。Kaggleと比較するとコンペの規模は劣りますが日本のコンペということもあり取り組みやすさに定評があります。
SIGNATEのコンペでは総額50~200万円程の賞金獲得チャンスがあります。参加者数とレベルを考慮するとKaggleよりも賞金を獲得できる可能性は高いと考えられます。
また、SIGNATEは就活生の選考を兼ねているケースがあります。具体的には、上位入賞することで「書類選考の免除」などの待遇を受けられることができます。就活生にはぜひトライしていただきたいコンペです。
総合評価(おすすめ度) | |
入賞難易度(賞金獲得難易度) | |
コンペ数 | 少 |
参加者数 | 少 |
称号価値 | 低 |
レベル | 初級者 (機械学習や統計学に関する学習経験あり /関連講義の受講経験あり) 中級者 (機械学習や統計学に関する実務経験あり /関連研究室に在籍経験あり) |
公式サイト | https://comp.probspace.com/ |
ProbSpaceは日本発の比較的新しいデータ分析コンぺ。
KaggleやSIGNATEよりも歴史が浅いこともあり上位を狙いやすいという特徴があります。また、データが分かりやすく身近なテーマである場合が多いため初心者の方でも取り組みやすいコンペが揃っています。
開催されているコンペは基本1つで、コンペが終わると新しいコンペが始まるイメージです。2~3ヶ月のスパンで開催されているため他と比べて参加しやすいと思います。
賞金は1位に10万円というパターンが大半を占めています。賞金の期待値は低いですが上位を狙いやすいコンペという点で挑戦してみる価値は十分にあると思います。
総合評価(おすすめ度) | |
入賞難易度(賞金獲得難易度) | |
コンペ数 | 少 |
参加者数 | 少 |
称号価値 | 低 |
レベル | 初級者 (機械学習や統計学に関する学習経験あり /関連講義の受講経験あり) 中級者 (機械学習や統計学に関する実務経験あり /関連研究室に在籍経験あり) |
公式サイト | https://www.nishika.com/ |
NishikaはProbSpace同様に日本発のデータ分析コンペ。
SIGNATEよりも規模が小さく、ProbSpaceと同等なレベル感。ProbSpaceとの違いは以下のとおり。
- コンペ内容
- コンペ数
- 賞金金額
まず、コンペの内容がビジネス寄りになっています。実企業からの提供コンペも多くユニークなデータであることも多いため、学生の方が実業務を体験するのにも良い機会になるでしょう。
また、ProbSpaceよりもコンペ数が多く、同時期に2~3のコンペが並行しているケースがあります。
さらに、賞金金額は総額10~100万円程度と高額で、1位以外の入賞者にも贈られます。
分野も幅広いため、ぜひ開催中のコンペをチェックしてほしいと思います。
総合評価(おすすめ度) | |
入賞難易度(賞金獲得難易度) | |
コンペ数 | 少 |
参加者数 | 中 |
称号価値 | – |
レベル | 中級者 (機械学習や統計学に関する実務経験あり /関連研究室に在籍経験あり) 上級者 (機械学習や統計学に関する実務経験数年以上あり /関連研究室での修士博士課程卒業) |
公式サイト | https://www.is.nri.co.jp/contest/2022/index.html |
NRIのマーケティングコンテストは、ビジネス目線でどうデータを活用するかを考えるコンテスト。
他のコンペと比較して毛色が異なるため、データのビジネス利用に興味のある方にはぜひ挑戦してほしいコンテスト。
約6ヶ月間と期間が長い点がネックですが、時間を大きく取られてしまうわけではないため安心してください。
賞金は3パターン。ただし受賞なしの場合もあるため注意が必要です。
過去の受賞作品が展開されているため参考までに目を通してみると面白いかもしれません。
4.
コンペには参加してみたいけど、ちゃんとできるか不安。。
そんな方のために、コンペに参加する前に事前に持っておきたいスキルと知識を記載しておきます(参加するコンペにも依存するので注意してください)。
・Python
・データのビジネス活用
まずは機械学習です。コンペを行う上で必須スキルと言えるでしょう。もちろんあなた自身のオリジナリティも大切ですが、機械学習や統計学のスキルや知識は絶対に求められます。コンペに臨む以上ある程度経験のある方が大半かと思いますが、初心者向けには以下のUdemy講座がおすすめです。
【キカガク流】人工知能・機械学習 脱ブラックボックス講座 詳細はこちら
>>【Udemy】最高評価!キカガク流人工知能・機械学習 脱ブラックボックス講座をおすすめする理由
次に、Pythonスキルです。データ分析を行う際にはPythonを用いることが多いです。Pythonには多くのライブラリが実装されているためベースラインとして簡単にコーディングすることができるため身に付けておいて損はないでしょう。Pythonでデータ分析を学べるおすすめ本を紹介しておりますのでぜひご覧ください。
最後にデータのビジネス活用に関する知識や考え方です。コンペでは実データを扱う機会が非常に多くなります。したがって、データを整形するデータエンジニアリング力だけでなくデータビジネスに関するスキルも問われていくことになります。
これは、実業務を行っていたり共同研究に従事していないと経験することが難しい領域です。独学では以下のUdemy講座がおすすめです。実践的なビジネス課題を8時間で体験できるコンテンツになっています。
ビジネスケースで学ぶPythonデータサイエンス入門 詳細はこちら
>>【Udemy】評判・感想・おすすめPython講座~私が受講している理由~
>>【Udemy】人工知能・機械学習おすすめ講座7選~現役データサイエンティストが厳選~
5. まとめ
今回は、
② SIGNATE
③ ProbSpace
④ Nishika
⑤ NRIマーケティングコンテスト
本ブログでは、株式やプログラミングに関する記事を投稿しています。
プログラミング(Python)を学びたい方におすすめの書籍やプログラミングスクール、おすすめの学習方法などをご紹介しておりますのでぜひご覧ください。
は、プログラミングスクールという方法がおすすめです。
私の一押しは『TechAcademy』です。
質問することですぐに分からないところをクリアにできますし、進捗をサポートしてくれるため確実に成長することができます。
無料相談を実施しているため、まずは話を聞いてあなたのスタイルに合っているかどうか確認してみるのが良いと思います。
コメント