データ分析の地図｜統計・機械学習・ディープラーニングを順番に学ぶ
ルミィ
統計からAIまで、学ぶ順番の地図
statistics（統計）から機械学習・ディープラーニングまで——「データ分析を、何から・どの順番で学べばいいか」を一枚に整理した地図です。数式はできるだけ使わず、図でやさしく解説した記事をそろえました。上から順にたどってもいいし、気になるテーマだけつまみ食いしてもOK。あなたの“現在地”から始めてください。
🗺️ まず全体像をつかむなら、この2本から：
1
STEP 1｜データの見方（記述統計）
まず、集めたデータを“要約して・見る”
2
STEP 2｜統計のきほん
偶然か“本物の差”かを見分ける土台
3
STEP 3｜検定と推定
差を確かめる・真の値を“幅”で推定する
4
STEP 4｜回帰分析（予測の基本）
関係を読み取って“数値を予測”する
5
STEP 5｜時系列予測
時間の流れから“先”を読む
6
STEP 6｜機械学習
データから“自動で”パターンを学ぶ
機械学習の3つの学び方
決定木
ランダムフォレスト
XGBoost・勾配ブースティング
LightGBM
SVM（サポートベクターマシン）
k近傍法（kNN）
ナイーブベイズ
アンサンブル学習
クラスタリング
主成分分析（PCA）
過学習と正則化
モデルの評価指標
7
STEP 7｜ディープラーニング & 生成AI
ニューラルネットの世界とLLMのしくみ
ニューラルネットとは？
ディープラーニングの学習
CNN（畳み込み・画像）
RNN・LSTM（系列）
オートエンコーダ
GAN（敵対的生成）
拡散モデル（画像生成）
トークン化
埋め込み（ベクトル化）
Transformer
Attention（注意機構）
事前学習・ファインチューニング・RLHF
蒸留・量子化・MoE
🧭 使うAIツールを“目的”で選びたいときは：AIの地図｜目的別にAIツールを探す もあわせてどうぞ。このページが「学ぶための地図」、AIの地図が「使うための地図」です。