「オンライン・ファースト」（東京大学出版会）の評判・価格・レビュー
データサイエンスを学ぶための教材の基本情報・価格・レビュー。
PR・広告を含みます
データサイエンスをスクールで学ぶなら、教育訓練給付で最大80%OFF。
対象講座なら受講料の最大80%（給付区分・上限・要件あり）が後日戻り、実質負担を抑えられます。独学の本＋スクールの併用も。
▶ あなたの講座でいくら戻るか試算（無料・30秒）
無料相談で適用条件を確認できます
無料相談で適用条件を確認できます
はじめての方へ：教育訓練給付のしくみと損しない選び方 ／ 申請手順5ステップ
学んだ後に「作って公開する」ための環境例です。サーバー・ツールは教育訓練給付／補助の対象外です。
※給付率・実質額は区分（一般20%／特定一般40%／専門実践 最大80%）と要件で変わり、即時値引きでなく後日支給です。最終可否はハローワーク・厚労省でご確認ください。掲載はPR（送客手数料を受領）。
この本について
コロナ禍で日本のIT化は加速したが，感染検知やソーシャルディスタンスの確保，マイナンバー制度の正しい活用など，解決すべき課題も多い．IT化を逆行させず，今後進めていくための東大の「提言」をもとに，山積する社会の課題の解決への指針を示す，実務者必携の書． はじめにーー新型コロナウイルスに立ち向かうための情報理工学（須田礼仁）
第I部 これからの社会とIT 1 超スマート社会の進め方ーーSociety5.0とは（坂井修一） 2 大人のための情報教育 --「もとに戻さない」，真のオンライン社会へ（萩谷昌己） 3 インターネットのしくみでつくる社会ーーつながりによる革新（江崎 浩）
第II部 ITでデザインするポストコロナ社会 4 ソーシャルディスタンシングと感染爆発の検知 --データサイエンスの活用（山西健司） 5 触れずに触り，遠隔で操作するーーVRとシステム情報学（藤田政之・稲見昌彦・川嶋健嗣・篠田裕之・津村幸治） 6 感染症とデータビジネスと民主主義ーー個人と社会のデータ管理（橋田浩一） 7 オンライン講義・テレワークを支えるシステム ──データ活用が導くサイバーフィジカルアーキテクチャ（中村 宏・関谷 勇司） 8 サイバー空間と実世界を結ぶ ──ポストコロナを支えるAI，VR，ロボット（稲葉雅幸・岡田 慧・深尾隆則・國吉康夫・葛岡英明・鳴海拓志・雨宮智浩・青山一真・相澤清晴・竹内昌治）
ポストコロナの新たな情報化社会へ向けての提言（情報理工学系研究科）
最新IT用語集
On-Line First: Toward an Information Society by Design After COVID-19 Graduate School of Information Science and Technology, The University of Tokyo, Editor
判型：単行本
データサイエンスとは
「データサイエンス」は、データを集めて整理し、統計や機械学習の考え方を使って実務上の意味を導く実践的な分野です。理論だけでなく、仮説を立て検証し、意思決定につながる形で示すことが核心です。結果を再現できる形で残す姿勢が品質を左右します。
こんな人向け：対象は「データから根拠ある結論を引き出したい人」です。Pythonや統計の基礎を少し知っていると進みやすいですが、ゼロから確認しながら積み上げても問題ありません。
独学ロードマップでの位置
データサイエンスの学習は基礎理解→実装→応用の順が失敗しにくい流れです。書籍ではこの順序で読むと、次章で使う知識を自然に接続できます。
- まずデータの基本操作と記述統計、確率の考え方を押さえる。
- 次にPythonのデータ処理と可視化を実際のサンプルで扱い、データに触れる習慣を作る。
- 続いて前処理（欠損・外れ値・型変換）を行い、分析前提を整える。
- EDAを通じて傾向や例外を確認し、仮説を更新しながら検証する。
- 最後にモデルや評価の考え方を加え、結果の解釈・説明・再現手順をまとめる。
独学で足りる？体系的に学ぶ選択肢
独学では、理解より先に「使う目的」を固定しないと散漫になりやすいです。式の暗記より、データをいじる回数を優先し、疑問は章ごとに記録して翌日までに再確認すると定着しやすくなります。複数冊を同時進行せず、難易度の近い1冊を主軸に実装演習を増やすのが安全です。
独学が不安な人や期限がある人は、進捗管理・添削・質疑の仕組みがある体系的学習を選ぶと継続しやすいです。特定の講師名やサービス名に依存せず、カリキュラムが「基礎→実践→振り返り」を一貫して持っているかを比較すると失敗しにくいです。 ▶ 給付でいくら戻るか試算
よくある質問
Q. どのくらいで実務に使えるようになりますか？
明確な期限は人によって異なります。目安は、データの前処理・可視化・検証結果の説明が一連でできるようになることです。道具の種類より、同じテーマを再現できるかどうかを重視すると実務適用に近づきます。
Q. どんな本を選べばよいかわからないです。
目次の構成を確認し、導入→実装→応用の順が明示されているものを選ぶと良いです。演習データの質が高く、読み終えた後に自分のデータで再現できる設計かが重要です。入門で躓くなら、基礎統計とデータ前処理に寄せた書籍から始めると迷いが減ります。
次の一冊：次はデータ基盤の設計や可視化設計に関するカテゴリに進むと理解の幅が広がります。並行して、統計モデリングと実務向け分析報告の書籍を読むと、分析→意思決定までの説明力が高まりやすくなります。
