
- データサイエンスと機械学習に関係がありそうだけどどんな関係なのかわからない
- 勉強したいけどデータサイエンスと機械学習のどっちを勉強すればいいの?
- データサイエンスと機械学習の違いがわからないと何を勉強すればいいのかわからない

データサイエンスと機械学習の関係がわかりそうでわからない・・・
そのせいで何を勉強すればいいのかわからない、頭の整理がつかないということでお困りではありませんか?
確かに両者は密接な関係がありますがその関係性を理解しようとすると、実際に勉強してみることでわかることも多いほか、データサイエンスや機械学習の関係性や意味が文脈で変わってしまうことから両者の関係を整理することは難しいです。
データサイエンスと機械学習の関係はデータサイエンスのスキルの一つとして機械学習という項目ですがビジネスやエンジニアなどの文脈では二つのの違いとして「人が主体となって分析を行うデータサイエンス」と「機械学習の結果を利用して未知のデータを予測判断をする」ということになります。
しかしながら、AIとの関係性は文脈などで変わるためこの定義も一意ではないと言えるでしょう。
ここではデータサイエンスと機械学習の関係を見てみることで頭の整理を行なっていきます。
目次
データサイエンスの目的

機械学習とデータサイエンスの関係を理解するにはまずデータサイエンスの目的を見ていきましょう。
データサイエンスの目標としては大きく分けて二つがあります。
- データの分析
- 機械学習によって未知のデータを予測・判断
データを分析する
データサイエンスにおける一つの目的はデータを分析するという意味で考えられます。
ビッグデータなどを中心に統計学などを用いてデータを分析してから企業活動に活かす価値を見出します。
こちらの目標はどちらかというと人が主体となって分析結果からビジネスに活かすことがないかを考えるという面が大きいと言えます。
データから予測を行う
データサイエンスという言葉で意識されることは少ないですがもう一つの目標として過去のデータを分析し特徴を見つけ出すことで、未知のデータに対してどういったデータなのかなどの予測や判断を行なうということがあります。
しかしながらこのデータの分析結果から未知のデータを予測する技術はAIのソフトウェアで利用する技術になるため、データサイエンスというよりはAIを実現する機能の一つと考える方が一般的です。

データサイエンティスト協会ではパソコンで予測・判断ができる技術を作るスキルついてもデータサイエンティストとして必要な能力となっています。
機械学習でできること

機械学習とは過去のデータに対して人間がどういった特徴に着目するかといったことを指定するなどして過去のデータを分析し特徴を学習する技術のことを言います。
機械学習によって作成されたアルゴリズムを使うことで未知のデータに対してどのようなデータなのかということを予測判断することができるようになります。
この予測や判断を利用することでAIのソフトウェアなどは成り立っています。
データサイエンスと機械学習の違い

データサイエンスと機械学習は開発や学習の時の意味とビジネスでの意味で内容が変わっていることがほとんどです。
そのためデータサイエンスと機械学習の関係は複雑になりやすいと言えます。
- ビジネスでの意味・考え方
- データサイエンス:人が主体となってデータの分析によってビジネスを前進させる
- 機械学習:AIそのものだったりAIソフトウェアを構成する要素
- AI開発や学習などでの位置づけ
- データサイエンス:データを分析してビジネスを進める学問
- 機械学習:データサイエンスの一領域
学習・開発における意味合い
データサイエンティスト協会のスキルリストで明らかになっていますが、機械学習はデータサイエンスのスキルの一つのため次のように表すことができます。

ビジネスにおける意味合い
ビジネスにおいてデータサイエンスといった場合には機械学習によるデータの予測や判断といった意味合いはほとんどないと言えます。ビジネスにおけるデータサイエンスはデータを分析することで人が主体となってビジネスに活かす価値を見つける技術ということになります。
一方で機械学習はAIを構築するための手段の一つとして考えられることがほとんどのため、データサイエンスから独立した考えというように捉えられることがほとんどです。
データサイエンティストと機械学習エンジニア

データサイエンティストと機械学習エンジニアではどういったことになるでしょうか。
データサイエンスで行うことには二つの目標があります。
- データの分析を行い人が主体となって価値を探りビジネスを前進させる
- データの分析を行い未知のデータに対してどういったデータなのかということを予測する
データサイエンティストでは1の人が主体となって分析する職業という意味合いが強く、機械学習エンジニアは2の予測を行う技術を扱いAIを構築する手段としてAIに関するエンジニアという考えが一般的な考え方になります。
データサイエンティスト
データサイエンティストは協会が定めるスキルという側面から考えれば、機械学習などのスキルも網羅していることになりますが、ビジネスや職業という文脈で考えればデータを分析して価値を見出すということが中心になります。
機械学習エンジニア
機械学習エンジニアはデータサイエンスの中でも未知のデータを予測・判断をする機械学習のところに着目した技術屋ということができます。
この機械学習は最近のAIを構築する上で重要な技術ですので、データサイエンスというよりはAIの構築を行うエンジニアという意味合いが強くなります。
データサイエンティストと機械学習エンジニアの違い
データサイエンティストと機械学習エンジニアはどちらもデータサイエンティスト協会が定めるスキルを扱うため純粋な定義だけで言えばどちらもデータサイエンティストになりますがビジネスなどの文脈ではあまりこの定義は意識されないと考えたほうが良いと言えます。

データサイエンティストは、ビジネスに活かせる価値を見出すという点に着目するので、導き出されたデータの価値からビジネスに活かす方法まで考えないといけないということになります。
一方で機械学習エンジニアはデータを分析し予測判断を行うための作業である機械学習がメインになります。
この機械学習はAIを現代におけるAIを構成する重要な役割を担っているため、機械学習エンジニアはAIに関する職業というように考える方が一般的です。
データサイエンティストと機械学習エンジニアで共通していること
データサイエンティストと機械学習エンジニアでは共通していることもあります。
それが、データを活用するということはもちろんですがもう一つ重要なのがプログラミングスキルです。
データサイエンティストの中にもいろいろな役割がありますので一概に語れない部分もありますが、データサイエンティストも過去のデータを分析する際にはプログラミングを利用します。

データの分析では非常に膨大な量の数を高度な数学で計算する必要がありますので、人間で計算することは不可能です。
そのため、データの分析を行うためにパソコンに計算させることになりますので、パソコンに計算させるためにプログラミングを利用することになります。

データサイエンスと機械学習の勉強の方針

データサイエンスと機械学習を勉強しようとした場合スクールでは次のように考えることが多いです。
- データサイエンスはデータの分析手法を身につけてビジネスに活かす方法を考える
- 機械学習の場合はその機能に着目しAIを構成する一つのジャンルとして考える
ただし、スクールや講座の方針によって意味合いが変わることも多いので自分が何をしたいのかといったことを明確にしてそれを達成することができるのかということを相談していくことが望ましいです。

AI(機械学習)といっても結局はデータの分析を行わないといけないことなどからデータの分析手法自体を学ぶことは可能ですが、その分析の仕方の度合いが自分のやりたいことにマッチしているのかといった問題もあります。
自分がどういったことを行いたいのかということを明確にしてから、スクールの無料相談会で相談し自分のやりたいことと学習内容にミスマッチがないかなどを確認しておきましょう。
おすすめの、スクールは次の三つです。
この三つに相談すれば、ほぼ確実に自分のやりたいことと学習内容が一致している講座を見つけることができます。
学習して後悔をしないためにもまずは相談をして間違いのない学習を行いましょう。