ds preprocessing
DS検定トップ
＞ Jupyter NotebookやRの使い所とは？（データ分析環境の役割）【DS検定】
まず結論
- Jupyter NotebookやRは「データ分析・試行錯誤・可視化を効率的に行うための開発環境」であり、DS検定では開発・実験・共有の役割を理解できるかが問われる
直感的な説明
Excelで分析するときって、
「計算 → グラフ → 少し修正 → もう一度計算」
みたいに何度も試しますよね。
Jupyter NotebookやRは、それをもっと高度にしたイメージです。
- コードを書いて
- すぐ実行して
- 結果を確認して
- また修正する
つまり、試行錯誤を高速で回すための環境です。
さらに、
- グラフもその場で表示できる
- コメントも残せる
- 他の人と共有できる
という特徴があります。
定義・仕組み
Jupyter NotebookやRは、主に以下の役割を持つ環境です。
① インタラクティブな実行環境
- コードを「セル単位」で実行できる
- 一部だけ試して確認できる
👉 一発で完成させるのではなく
👉 試しながら作る前提の環境
② データ分析・可視化
- データの読み込み
- 加工（前処理）
- グラフ表示
👉 分析の一連の流れをそのまま記録できる
③ 実験・記録（MLOpsとの関係）
- ハイパーパラメータを変えて試す
- 精度を比較する
- 結果をNotebookに残す
👉 モデル開発の「試行錯誤の記録」として使われる
DS検定ではここがポイントで、
Notebookは単なるコーディングツールではなく、実験環境でもあると理解することが重要です。
④ 共有・再現性
- Notebookをそのまま共有できる
- 同じ手順を再現できる
👉 チーム開発や業務で重要
どんな場面で使う？
使う場面
- データ分析（探索的データ分析）
- モデル開発の初期段階
- 仮説検証・試行錯誤
- レポート作成（結果＋コード）
使わない場面（注意）
- 本番システムの処理（バッチ・API）
- 大規模なプロダクションコード
👉 Notebookは「開発・実験向け」
👉 本番は別環境（スクリプト・API）で動かす
よくある誤解・混同
❌ 誤解①：Notebookは単なるコード実行ツール
→ ⭕ 実際は「分析・実験・記録」をまとめた環境
❌ 誤解②：そのまま本番で使うもの
→ ⭕ 本番は別（Pythonスクリプト・APIなど）
❌ 誤解③：MLOpsとは関係ない
→ ⭕ 実験・記録・共有の部分で重要
DS検定ではここがよく出ます👇
- 「Notebookは開発だけに使う」→ ❌
- 「実験やモデル比較にも使う」→ ⭕
❌ 誤解④：Rは古いから使われない
→ ⭕ 統計解析や可視化では今も重要
まとめ（試験直前用）
- Notebookは「試行錯誤しながら分析する環境」
- コード＋結果＋グラフをまとめて扱える
- 実験管理（パラメータ・精度比較）にも使う
- 本番環境とは別（ここが重要な切り分け）
- DS検定では「開発・実験・共有の役割」を問われる
対応スキル項目（AI利活用スキルシート）
- AIの活用
- AIの開発・運用
- ★ AIを活用したシステムの開発・運用プロセスを理解している
🔗 関連記事
- アノテーションとは？（AI学習データを作る重要な作業）【DS検定】
- データ拡張（Data Augmentation）とは？画像AIの学習データを増やす方法【DS検定】
- データ抽出と集計の違いとは？（SQL・BIで混同しやすい操作）【DS検定】
- データトランスフォーメーションとは？（非構造化データの変換）【DS検定】
- エンコーディングとは？カテゴリ変数を数値化する理由【DS検定】