実践的データサイエンス演習データサイエンティストの開発技術@神奈川大学 (2025年度)

実践的データサイエンス演習データサイエンティストの開発技術 (2025年度神奈川大学講義) 日本IBMシステムズ・エンジニアリング株式会社 DXセンターデータサイエンスラボ川口
英俊 1

自己紹介 • 講師名: 川口英俊 (かわぐちひでとし) • 所属: •
日本IBMシステムズエンジニアリング(株) DXセンターデータサイエンスラボ（Experienced Data Scientist) • 情報処理学会論文誌ジャーナル編集委員会知能グループ（編集委員, メタ査読者) • 神奈川大学情報学部システム数理学科（非常勤講師） • 学位: 博士（情報科学） • 経歴 • 2010年-2014年広島工業大学情報学部知的情報システム学科 (学士) • 2014年-2016年東京工業大学総合理工学研究科知能システム科学専攻博士前期課程 (修士) • 2016年-2023年日本電信電話株式会社(現: NTT株式会社) • 在籍中2019年-2023年: 北陸先端科学技術大学院大学先端科学技術研究科先端情報科学プログラム博士後期課程(博士) • 2023年 7月より現職 • 専門: 機械学習, データ分析, 自然言語処理, ソフトウェア開発, AWS • 代表的な仕事: • IPSのシグネチャ設定を支援する機械学習の応用研究 • 生成AIと機械学習を利用したVoC (Voice of Customers) 分析パイプライン処理の開発 2 github.com/HidetoshiKawaguchi | 𝕏 @Hidetoshi_RM | in linkedin.com/in/hidetoshi-kawaguchi-380a93281

本資料の注意事項 • 本資料は教育目的で公開しています。 • 本資料は、2025年に神奈川大学で開講された「実践的データサイエンス演習」のうち、川口担当分の資料をほぼそのまま公開したものです • 資料内容はすべて川口個人の見解によるものであり、所属組織の公式見解と異なることがあることにご注意ください
3

前々回学んだこと前々回は、データサイエンティストの成果である「ドキュメント」について、その背景と、それを書く上で基本的な考え方を学びました。 • ドキュメントコミュニケーションとは何か • ビジネスで使われるドキュメント • ドキュメント作成方法 •
パラグラフ・ライティング 4

前回学んだこと前回は、データサイエンティストの主要業務である、分析・実験・検証の方法論について学びました。 • 一般的なデータ分析プロセスのフレームワークである、CRISP-DMの紹介 • データサイエンティストの分析について解説 • 分析・実験・検証の管理方法の紹介
5

これまで学んだことこれまでに学んだことは、データサイエンティストにとってメインとなる必須の方法論です。 • ドキュメント・コミュニケーション • 分析・実験・検証の管理手法適切に分析・実験・検証を行うことで知見を積み上げ、正しく伝わるドキュメントをまとめ社内外の他者に繋げる方法論を紹介した、ということになります。
これらを駆使することで、より実務で役立てるデータサイエンティストになることができます。 6

本日学ぶこと更に一歩進んだデータサイエンティストとして活躍するための、ソフトウェアエンジニアリングから特に実践的かつ有効な方法論を学びます。 • Pythonコードの型・規約・自動整形読みやすいコードを書くために • テストコードバグが少ないコードを書くために
7

なぜエンジニアリングについて学ぶのかデータサイエンティストの成果は最終的にはシステムやサービス、ソリューションといった何らかの形にする必要があるため、エンジニアリングのスキルもあると良いです。 • 知見があってもお客さんの元に届けるためのモノづくりが必要 • モノづくりを円滑に行うことで、最終的な目的を達成する 8

知見を形にする際の深い谷データサイエンティストからITエンジニア(AI/機械学習エンジニア)に成果を渡して本格的な開発を始めるステップがあります。異なる役割同士のコミュニケーションは大変です。 9

実際に起こった（起こり得る）問題データサイエンティストのエンジニアリング不足によって、以下のような問題が起こります。 • 機械学習モデルのPoC (Proof of Concept)のコードが汚くてITエンジニアが解読困難 •
開発スケジュールがタイトで、PoCのコードをほぼそのまま使う必要が出てくる • データサイエンティストがシステムのコアな部分を担当しても、品質が低くバグが多発 10

エンジニアリングを学ぶことの必要性このような問題を起こさないために有効な方法は、データサイエンティストもエンジニアリングについて学んでおく、ということです。データサイエンティストがITエンジニアに丸投げして困らせないようにするためのスキルを学んでいきましょう。 11 こうならないように、データサイエンティストもエンジニアリングを学びましょう。

本日学ぶこと（再掲載）更に一歩進んだデータサイエンティストとして活躍するための、ソフトウェアエンジニアリングから特に実践的かつ有効な方法論を学びます。 • Pythonコードの型・規約・自動整形読みやすいコードを書くために • テストコードバグが少ないコードを書くために
12

Pythonの特徴 Pythonは動的型付けの言語であり、変数に型を明示的に宣言する必要がありません。 • メリット • 軽快にコーディングでき、以下の用途に向いている • プロトタイピング •
データ解析のような探索的作業 • デメリット • 読みづらいコードになる • 変数の型がわからず、読み手が理解しづらい • IDEや静的解析ツールの補助が弱くなる • 実行時エラーになりやすい • 型の不一致がコンパイル時には検出されなく、実行して初めてエラーとして気づく Pythonはすぐに動くが、長期的には読みづらく壊れやすい → 実は本格的な開発には工夫が必要です。 13

Pythonコードの型・規約・自動整形のポイント • 型ヒント関数・メソッドの引数と返り値に型を書こう • コーディング規約 PEP8に代表されるコーディング規約に沿って書こう • リンター解析ツールでコードの品質を確かめよう
• フォーマッターコードを綺麗にするツールは積極的に使おう 14

型ヒント Pythonは変数の型を宣言する必要はありませんが、ヒントとして書くことはできます。 • 型ヒントがない場合 • 型ヒントがある場合 15 引数の型返り値の型

型ヒント導入のメリット実際の開発で役立つたくさんのメリットがあります。開発はもちろんのこと、分析・実験・検証用コードでも必須レベル • 読み手のコード理解を助ける • 自分も後で見返す時助かります • コードエディタの補完に役立つ •
静的解析ツールを使うことで、実行前にエラーに気づける学生の皆さんは、研究の実験で使う場合、そのコードにも積極的に書いて慣れておくことをお勧めします。 16

色々な型ヒント (1) 基本的には全ての型に対応しています。 • strやfloat • list (リスト) listの場合は、括弧 []
で要素の型を指定します。 17

色々な型ヒント (2) • dict (辞書型, 連想配列) 括弧 [] でキーとバリューを指定します。 •
複数(または)の型 | (パイプ)で「または」の値、という表現ができます。以下の例は、返り値が float か str のいずれかです。 18

色々な型ヒント (3) • クラス・bool・None • その他他にも色々な書き方があります。必要になった時都度ChatGPTに聞くか Googleで調べましょう 19

型ヒントを使えるPythonのバージョン型ヒント自体はPython 3.5から導入されましたが、新しいマイナーバージョン(最新だと3.13)が登場するたびに、新機能が追加されています。前スライドのサンプルプログラムは、3.10以降対応です。 • 3.9以前は、list, dict, 「または」を使うために専用クラスをインポー
トする必要がありました。 • 3.11以降に導入された機能はややマニアック 20

コーディング規約コーディング規約とは、プログラムを書くときのルールや約束事をまとめたものです。目的 • チーム全体で統一感のあるコードを書くため • 可読性を高め、レビューや保守を楽にするため • バグを減らし、品質を安定させるため
代表的な内容 • インデントの幅（Pythonはスペース4つが基本） • 変数や関数の名前の付け方（スネークケース my_variable など） • 行の長さ（PEP8では1行79文字が推奨） • 空行やコメントの書き方 • インポート文の並び順 21

代表的なコーディング規約 PEP8 事実上のスタンダードであるコーディング規約に、PEP8 (Python Enhancement Proposal 8)というものがあります。 • Python公式が推奨するコーディング規約 •
Pythonコードを「読みやすく」「統一的に」書くためのルールをまとめた文書 • Pythonを作った Guido van Rossum が執筆（2001年）し、その後もメンテナンスされてきた 22

PEP8の代表的なルール PEP8のルールを以下に抜粋して紹介します。 • インデント: スペース4つ (タブは使わない） • 行の長さ: 1行79文字 •
スペース: =, +, - などの前後にスペースを入れる • 空行： • 関数やクラス定義の前は2行空ける • 関数内では関連する処理を区切るために1行空ける • 名前付け • 変数・関数名はスネークケース (例 user_name) • クラス名はキャメルケース (例 UserProfile) • 定数は全て大文字 (例 MAX_RETRY) • インポート • 標準ライブラリ → サードパーティ → 自作モジュールの順でまとめる • 1行に複数の import を書かない他にもたくさんあります！ 23

コーディング規約に関する提言自分流の綺麗さより、チームのルールを優先すること多くの企業ではPEP8をベースとしたルールを使っています。（PEP8から一部のルールを無視したり追加して使っています）学生のうちから、PEP8を意識したコードを書いておくと後で楽です。 24

ツールの勧め • 型ヒント • コーディング規約これらの重要性は分かったけど、手動でのコードのチェックが大変すぎる・・・。それらを支援するツールがあるので、それらでカバーできます。 25

コードの品質を高めるツールコードの品質を高めるツールとして、以下の３つがあります。 • 静的型チェッカー型ヒントに基づいてコードの「意味的な正しさ」を検証する • 代表例 mypy • リンター
(Linter) コードの規約違反や潜在的なバグを検出するツール • 代表例: flake8 • フォーマッター (Formatter) コードの見た目を自動整形するツール • 代表例: black, isort 26

mypyの紹介 27 mypy は、Python用の静的型チェッカーです。型ヒントに基づいて、実行前に型の不一致を検出できる。 • 動かしてみないとわからないエラーを事前に防げる • チェックの厳しい strict
モードもある

mypyの動作紹介 28 mypy_error_sample.py 実行しなくても、型が違うことを教えてくれる。

--strict オプションを付与することでより厳格なチェックができる。 • 全ての引数・返り値の型ヒントを強制する → 型ヒントの付与忘れも検知できる • オプションなしの場合、型ヒントはなくても良い。あるところだけチェックされる。 mypy
--strictの動作紹介 29 strict_mypy_error_sample.py 型ヒントがないことを指摘している

flake8の紹介 flake8はリンターの一種で、主にコードがPEP8に準拠しているかをチェックしてくれます（それだけではない） 30

flake8の動作紹介 31 flake8_sample.py

Blackの紹介 Black は、Python用の代表的なフォーマッターです。 • コードスタイルを自動で統一する • 基本的にはPEP8に準拠（１行当たりの文字数やインポートの順番は変えない） • 設定が少ない
-> 「自分流」ではなく「チーム全員が同じスタイル」になる 32

Blackの動作紹介 33 black_before.py black_before.py black_after.py

Black の注意ほぼPEP8には準拠しているが、これだけで準拠しきれません。 • 1行あたりのデフォルトの文字数 • PEP8は79文字 • Blackは88文字（設定で変更できる） •
パッケージのインポート順序を変更しない実践的な工夫は後で紹介します。 34

isortの紹介 import 文を自動でソート・整形してくれるフォーマッター • PEP8準拠 • アルファベット順に並び替え • import の種類ごとにグループ分け
• 標準ライブラリ • サードパーティライブラリ（pip でインストールしたもの） • 自作モジュール • 余分なスペースや順序の乱れも修正 35

isort の動作紹介 36 isort_before.py isort_after.py isort_before.py isort_before.py

実践的なツールの使い方コードを一通り書いた後に、以下の流れを実行するのが鉄板 • Black と isort を適用して整える • flake8 と
mypyでチェックし、指摘があれば修正するこれでかなり他の人にとっても読みやすいコードになる。 37

Blackとisortの設定 BlackとisortでPEP8に準拠するようにフォーマットするには設定が必要です。以下の設定を pyproject.tomlに追記し、isort -> Blackの順で適用（使用している仮想環境管理ツールにより記法が異なります） 38

一歩進んだ設定フォーマッターとリンターを、自動実行するように設定することもできますが、詳細は割愛します。興味がある人は、ツールの使い方も含めて調べるかChatGPTに聞いてみましょう。 • Gitの pre-commitフック, pre-pushフックでローカルで実行 • Github
の Github Actionsでサーバで実行 39

ツールを使うことの注意点フォーマッターとリンターの利用は便利で即効性がありますが、そもそもコードを綺麗に構造化しておくことが何より大事 • オブジェクト指向プログラミング • 関数型プログラミングこれらの考え方を身につけておき、整理されたコードを書けるように学生のうちから練習しておきましょう。 40

Pythonコードの型・規約・自動整形のポイント（再掲載） • 型ヒント関数・メソッドの引数と返り値に型を書こう • コーディング規約 PEP8に代表されるコーディング規約に沿って書こう • リンター解析ツールでコードの品質を確かめよう
• フォーマッターコードを綺麗にするツールは積極的に使おう 41

テストコードとはテストコードとは、プログラムが正しく動いているかを確認するためのコード • プログラム本体には組み込まれない • 目的はあくまで「動作確認」 • 人間が手作業で試す代わりに、自動でチェックしてくれる 42

テストコードの例例えば、以下のようなコードでは、足し算を行う add 関数の動作をテストしている。 43

テストコードの重要性分析・研究をメインに活動していると実感しづらいですが、本格的なソフトウェア・システム開発において、テストコードは品質を示す上で極めて重要であり書くことは必須です。 • コード変更で「知らないうちに壊した」を防ぐ • 使用どおりに動くことを証明する • 安心してリファクタリングできる
• コードの使い方（例）を示すドキュメントにもなる 44

テストコードを書く場合と書かない場合テストコードを書かない場合、ソフトウェア・システムの成長に伴い、開発に費やす時間が指数関数的に増えていきます。 45 費やす時間ソフトウェア・システムの成長テストコードなしテストコードあり

テストコードを書く労力極めて重要でありながら、テストコードを書くことはすごく大変です。データサイエンティストは、ITエンジニアがテストコードを書く負担を軽視しないようにしましょう。テストコードを書く負担は、テスト対象の本体コードを書くことの 1~10倍大変と言われている。(参考図書: 単体テストの考え方/使い方) つまり例えば、あなたが1日かけて作ったコードをテストするためのコードは、プラスで1日〜10日かかる ※
10倍は流石に珍しいですが、本当に大変なことがあります・・・。 46

テストコードの種類大きく分けて以下の３種類のテストがあります • 単体テスト (Unit Test) • 最小の部品（関数・クラス）を対象 • 狙い:
小さなバグを早期に発見 • 結合テスト (Integration Test) • 複数の部品を組み合わせた処理を対象 • 狙い: モジュール間のやりとりが正しいか確認 • E2Eテスト (End-toEnd Test) • ソフトウェア・システム全体を通して動かすテスト • ユーザ視点で全体が期待通りか確認 47

単体テスト結合テストテスト・ピラミッド 48 E2E テストテスト・ケースの数エンド・ユーザの観点の近さ単体テスト〜E2Eテストの関係を示すと、単体テストほどテスト・
ケースの数が多くフィードバックが迅速、E2Eテストはエンド・ユーザに近く、エラーへの保護能力が高いエラーへの保護迅速なフィードバック

（参考）日本のSIer文化におけるテスト日本のSIer では、結合テストとE2Eテストの間に、システムテスト、というものがあります。全体を確認する結合テスト、くらいの意味です。 49

この講義の題材この講義では、以下の理由により単体テストを題材とします。 • 最も基礎的なテスト • 単体テストを理解できれば、結合テストやE2Eテストにも応用できる • 範囲が小さく理解しやすい • すぐ効果を実感できる
• 習慣化しやすい • 設計の甘さに気づける • 現場でも重視される 50

使うテストフレームワーク: pytest pytestとは最も普及しているPythonのテストフレームワークです。 • シンプル: ただ関数を書いて assert するだけ •
自動検出: test_ で始まる関数やファイルを自動で見つける • 豊富な機能 • 複数ケースを一気にテスト • 前処理・後処理を簡単に共通化 • 一時フォルダの利用も簡単 • エラーメッセージがわかりやすい 51

pytestのルール: フォルダ構造 pytestでは、以下のフォルダ構造を基本とします。ここでは、 mypackageというモジュール名で、その中に、mathutils.pyという本体コードがある前提とします • mypackage/ • mathutils.py •
tests/ • test_mathutils.py • __init__.py フォルダのルートにtestsディレクトリを置き、本体とは完全に独立させることがポイント 52 本体コードテストコード • ファイル名や関数名の規則に従ってpytestがテストであることを自動検出する • __init__.py はおまじない

pytestの実行例 –前提- 以下のフォルダ構成でルートディレクトリで実行するとします。 53 mathutils.py test_mathutils.py 成功するテストケース失敗するテストケース

pytestの実行例 –実行- 54 以下の動作実行例では、 • add関数の動作はOK • sub関数の動作はNG • 3-2=1の値となることをテストケースでは期待している
• しかし、sub関数の中身にバグがあり、6が返ってきているコードのバグをテスト失敗として検出

pytestの基本ルール pytestでは、実行時に以下のルールで全てのコードからテストを自動で検出し、assert で判定を行う。テストコードの検出 • test_*.pyまたは *_test.py というファイル名 •
これらの中の test_ で始まる関数を自動実行 • クラスの場合は Test で始まるクラスの中の test_* メソッドを実行テストの判定 • assert で真偽値判定 (Trueなら成功, Falseなら失敗) • assert 自体は pythonの標準機能（デバッグ・テスト用） • pytest以外で assert が Falseの時は AssertionError という例外をあげる 55

単体テストの基本的な考え方前提となるインプット（引数）と期待するアウトプット（返り値）のペアを用意しておき、実装した関数の結果と比較して正しいかを確認する。先の例だと、以下の考えをコードとして書いている。 • 「add 関数の場合は、3 と 2を引数とすると
5が返るはず」 • 「sub 関数の場合は、3 と 2を引数とすると 1が返るはず」テストコードを書かないとき、皆さんも関数の動作確認をするときに同様に考えているはずです。それをそのままコードで実行できるようにします。 56

pytestの機能を一部紹介 • 同じテストで複数のパラメータを実行する parametrize • テスト実行前に必要な準備を自動で行ってくれる仕組み fixture 57

同じテストで複数のパラメータを実行する parametrize parametrize という機能を使えば、複数のパラメータでのテストを簡単に実行できる。以下のコードでは、変数a, b, expected という3つの変数（引数）に、３パターンの値の組み合わせを試している。
58

テスト実行前に必要な準備を自動で行ってくれる仕組み fixture fixtureで複数のテストで使う処理簡単に記述できます。以下の例では、numbersをfixtureとして定義し、各々のテスト関数で実行前に関数として実行され、変数に格納されます。 59 test_fixture.py ※ ここでは動作紹介のために、標準関数の sum,
maxを使っています。

そのほかのpytestの便利な機能 • conftest.py • プロジェクト全体で共有するfixtureや設定を書く特別ファイル • import なしで自動的に認識される • 組み込みfixture
(デフォルトで備わっているfixture） • tmp_path/tmpdir: 毎回クリーンな一時ディレクトリを提供 • capsys/cafd: stdout/stderrの出力をキャプチャ • monkeypatch: 環境変数や属性を一時的に変更 • マーカー機能: タグ付けのような機能 • 実行時に特定のマーカーだけついたテストだけ実行のような使い方 • 例外のテスト • プラグイン機能調べると大抵の機能はあります。 60

奥深いテストの世界テストを極めるだけで食いっぱぐれないですそれくらい奥深い世界なので、興味がある人は参考書籍で学んでみましょう。 61

本日学んだこと更に一歩進んだデータサイエンティストとして活躍するための、ソフトウェアエンジニアリングから特に実践的かつ有効な方法論を学びます。 • Pythonコードの型・規約・自動整形読みやすいコードを書くために • テストコードバグが少ないコードを書くために
62

おすすめ参考書籍 • リーダブルコード―より良いコードを書くためのシンプルで実践的なテクニック • Dustin Boswell、Trevor Foucher 著、角征典訳
• オライリー • ロングセラー。薄くて読みやすい。１回は目を通すこと • 単体テストの考え方/使い方プロジェクトの持続可能な成長を実現するための戦略 • Vladimir Khorikov 著、須田智之訳 • マイナビブックス • 単体テストだけじゃなくて、テストの考え方がよくわかる 63

演習・課題コードの修正とテストコードの作成にチャレンジしてもらいます。 • 提出方法: WebClassのレポート機能 • 締め切り: 11/27木 17:09 (次回講義の開始まで)
• 課題の内容 WebClassからZipファイル (class09_exercise.zip)をダウンロードし、その中にあるコードを、以降のスライドの演習内容に応じて編集して保存し、提出すること。 • 備考 • 作業はZipファイルを展開してできたフォルダ内で行う • 最終的にはできたコードは、データやログとまとめてzipに圧縮して保存・提出すること 64

課題用コードの実行方法以下の手順で実行できます。 • Zipファイルを展開し、作成されるフォルダに移動 • `unzip class09_exercise.zip -d class09_exercise` •
`cd class09_exercise` • `python -m venv .venv_class09`を実行 • `source .venv_class09/bin/activate`を実行 • `pip install -r requirements.txt` を実行これで、flake8, mypy, pytestが実行可能になる。 65

演習1: Pythonコードの型・規約・自動整形コードを編集して、以下の2つのコマンドをパスするようにすること • `flake8 <ファイル名>` • `mypy --strict <ファイル名>`
補足 • isort, や blackは使っても使わなくても良い • プログラムの仕様を修正することは禁止 66

演習1-1 67 def add(a, b): return a+b exercise_1_1.py

演習1-2 68 exercise_1_2.py import math, sys def discounted(price, rate =
0.1): if rate<0 or rate>1:print("invalid") return price*(1-rate)

演習1-3 69 import math, sys def parse_prices(prices): result = {}
for k,v in prices.items(): try: if isinstance(v,str): x=float(v) else: x=float(v) except Exception as e: x=0.0 result[k]=x return result def stats(nums): n=len(nums); if n==0: return {"count":0,"mean":0.0,"stdev":0.0} mean=sum(nums)/n s=0.0 for x in nums: s+= (x-mean)**2 stdev= math.sqrt(s/n) if n>1 else 0.0 return {"count":n,"mean":mean,"stdev":stdev} class User: def __init__(self,name,scores:list[float]): self.name=name; self.scores=scores def avg(self): if not self.scores: return 0.0 return sum(self.scores)/len(self.scores) exercise_1_3.py

演習2 関数の下にテストを追記して、pytest で実行しパスすることを確かめましょう。 70

演習2-1: 偶奇判定関数関数 is_evalをテストするコード、test_is_evenを以下の条件で完成させよ。 • is_even関数は、与えられた整数値が偶数ならTrueを、奇数ならFalseを返す関数 • 例えば 2なら True,
1ならFalseを返す • parametrizeを使って複数の整数入力に対して正しい結果になるか確認すること • 正の数・負の数・0なども含めること確認用コマンド pytest exercise_2_1_test.py 71 def is_even(n: int) -> bool: return n % 2 == 0 def test_is_even(...) -> None: ... exercise_2_1_test.py

演習2-2: 文字列の反転関数 reverse_stringをテストするコード、test_reverse_stringを以下の条件で完成させよ。 • reverse_stringは、与えられた文字列(str)を反転して返す関数 • 例えば “ABCD”を与えられたなら、”DCBA”を返す •
parametrize を使い、空文字・1文字・複数文字を含む複数のケースを網羅すること。確認用コマンド pytest exercise_2_1_test.py 72 def reverse_string(s: str) -> str: return s[::-1] def test_reverse_string(...) -> None: ... exercise_2_2_test.py

演習2-3: テキストファイルの行数カウント関数 count_linesをテストするコード、test_count_linesを以下の条件で完成させよ。 • テキストファイルはテストコードの中で作成・保存し、テスト完了後に削除すること • わかる人は組み込みfixtureのtmp_pathかtmpdir を使うと簡単 •
最低限、以下の３種類のテキストファイルをテストすること • 空のテキストファイル • 1行だけのテキストファイル • 2行以上のテキストファイル確認用コマンド pytest exercise_2_1_test.py 73 def count_lines(path: str) -> int: with open(path, "r", encoding="utf-8") as f: return sum(1 for _ in f) def test_count_lines(...) -> None: ... exercise_2_3_test.py

まとめこれまでに学んだは、データサイエンティストの実践的なノウハウです。 • ドキュメント・コミュニケーション • 分析・実験・検証の管理手法 • コーディング規約・テストコード適切に分析・実験・検証を行うことで知見を積み上げ、正しく伝わる
ドキュメントをまとめ社内外の他者に繋げる、信頼できるソフトウェア・システムを作るための必須ノウハウです。データサイエンティストになる人にとって、就職後にこれまで学んだことが少しでも活きると幸いです 74

実践的データサイエンス演習 データサイエンティストの開発技術@神奈川大学 (2025年度)

実践的データサイエンス演習 データサイエンティストの開発技術@神奈川大学 (2025年度)

More Decks by Hidetoshi Kawaguchi

Other Decks in Education

Featured

Transcript

実践的データサイエンス演習データサイエンティストの開発技術@神奈川大学 (2025年度)

実践的データサイエンス演習データサイエンティストの開発技術@神奈川大学 (2025年度)