統計ロードマップ
AIエンジニアになるための
統計・数学・Pythonを、
一気通貫で学べる無料サイト。
数学基礎 → 統計学 → 機械学習 → AI 検定 ─ 4 ステップで迷わず進める学習ロードマップ。
初めての方へ
このサイトは、AIエンジニアになるための統計・数学・Python を一気通貫で学べるロードマップです。全体像を把握したい方は AIエンジニア・ロードマップ、自分の現在地を確認したい方は 3 問の級診断 、学習計画を逆算したい方は 学習プラン計算 からどうぞ。
学習は 5 つのフェーズ で積み上げます ─ 数学基礎 → 統計学(基礎) → 統計学(応用) → 機械学習・DL → AI 系検定。数学に不安があれば 数学基礎 から、統計の言葉に慣れたい方は 統計検定 3 級の教科書 が入口になります。AI 検定(G 検定 / E 資格 / DS 検定)や統計検定 1 級まで同じサイト内で対策できます。
各章には 図解 ・ Python / R コード ・ 演習問題 が併記されており、理論 → 動かす → 解くのループで定着します。各問題に付く難易度バッジ(★☆☆ 基礎★★☆ 標準★★★ 応用)を目印に、無理のない順で力をつけていけます。会員登録不要 ・ 完全無料 ・ ブラウザ完結。
3 つの始め方から選ぶ
読む・解く・試す ─ どこからでも 1 タップで学習開始。
AIエンジニアになるための 4 ステップ
数学 → 統計 → 機械学習 → AI 検定。各ステップは前のステップで身につけた言語に積み上げる構造です。寄り道せず、最短距離で実装力までたどり着けるよう設計しています。
- STEP 1Mathematical Foundations目安: 1〜2 ヶ月
数学基礎
Mathematical Foundations微分・線形代数・確率を、AIで使う部分だけ抜粋。式が読めるようになることが最初のゴール。
- STEP 2Statistics目安: 2〜4 ヶ月
統計学
Statistics記述統計 → 確率分布 → 推定 → 検定 → 回帰。AI モデルが何をしているのかを統計の言葉で理解する。
- STEP 3Machine Learning & Deep Learning目安: 2〜3 ヶ月
機械学習・DL
Machine Learning & Deep Learning回帰・分類・主成分分析・ニューラルネット・CNN・損失関数・最適化。Python で動かしながら理論と実装を結ぶ。
- STEP 4AI Certifications目安: 1〜3 ヶ月
AI 系検定
AI Certifications知識を形にする最終仕上げ。G 検定で広く、E 資格で深く、DS 検定で実務観点を補強。
今日の 1 問
読み込み中…
用語・公式・トピックを横断検索
教科書本文 · 用語集(意味の候補も提案) · 公式集 · ブログ を横断検索
最近追加されたコンテンツ
ブログ記事 30 本・用語集 約 320 語・図解 33 種・検定別ロードマップ 7 ページが揃っています。直近の追加分は以下から。
学習ブログ
- 学習法2026-04-30因果推論 入門 ─ 相関と因果はどう違うか「アイスが売れる日は溺れる人が増える ─ アイスが原因？」 ─ 統計の頂点とも言える因果推論を、AI エンジニア視点で実装まで。記事を読む →
- 実装2026-04-30Kaggle 始め方 ─ 最初の銅メダルまでの 30 日世界最大の機械学習コンペサイト Kaggle で実戦経験を積む方法。アカウント作成からテーブルコンペで銅メダルを取るまでの王道 30 日プランを提示。記事を読む →
- 実装2026-04-30MLOps 基礎 ─ ML モデルを本番で運用する実験室の精度から本番運用へ。データバージョニング・モデル監視・CI/CD・特徴量ストアなど、AI エンジニアが押さえるべき MLOps の基礎を 6 領域で解説。記事を読む →
- LLM2026-04-30RAG 入門 ─ LLM に外部知識を持たせる仕組みRetrieval Augmented Generation(RAG)の仕組みを、Embedding・ベクトル DB・検索・生成の 4 要素に分解。社内文書 Bot を作る最短ルートを示します。記事を読む →
- LLM2026-04-30プロンプトエンジニアリング基礎 ─ 出力を 10 倍良くする 7 つのコツChatGPT・Claude を使いこなすためのプロンプト設計の基礎。Few-shot・Chain-of-Thought・Role 指定など、現場で効くテクニックを 7 つ。記事を読む →
- LLM2026-04-30LLM 入門 ─ ChatGPT は何を計算しているのかChatGPT・Claude・Gemini などの大規模言語モデル(LLM)が内部で何をしているかを、Transformer の数式と pre-training/fine-tuning の流れで整理します。記事を読む →
もっと深く学びたい方へ
サイト本編に加え、note での詳細解説記事、BOOTH での問題集 PDF など、より深く学べる有料・無料コンテンツを順次公開予定です。
級別コンテンツ
受験したい級、または自分のレベルに合った級を選んでください。**入門編** はサイト独自の超初心者向け、4級〜1級が公式の統計検定範囲です。
関連検定(別系統)
データ系資格の 4 つのパス。実務志向・調査志向・AI 概念・データ全方位リテラシーから目的に応じて選べます。
統計検定 DS基礎
Excel を使った実データ分析を中心に問う、データリテラシー入口の検定(統計学会主催)。理論より実務操作を重視。
統計調査士
社会調査の設計・実施、公的統計の知識を問う検定(統計学会主催)。行政・調査会社・公務員に実務直結。
G検定(JDLA)
AI / ディープラーニングを事業に活かすための広範な知識を問う検定(日本ディープラーニング協会主催)。
データサイエンティスト検定
DS 協会主催。DS 力 / DE 力 / ビジネス力 の 3 軸を測るリテラシーレベル検定。データ職入門に最適。
統計学の式が読めない・前提の数学が不安、というときの補助教材。級の学習中に必要な章だけピンポイントで参照できます。
よくある質問
- Q.統計ロードマップは無料で利用できますか?
- はい、教科書・公式集・演習問題・統計計算ツール・図解 ─ サイト上のすべてのコンテンツを完全無料でご利用いただけます。会員登録も不要です。
- Q.AIエンジニアを目指すなら、どの順で学ぶのがいいですか?
- 数学基礎(微分・線形代数・確率) → 統計学(記述・推定・検定) → 機械学習(回帰・分類・DL) → 関連検定(G検定・E資格・DS検定)の 4 ステップが王道です。本サイトの『AIエンジニア・ロードマップ』セクションがそのまま学習順になっています。
- Q.統計検定はどの級から始めるのがおすすめですか?
- 統計学を初めて学ぶ方は『入門編』、高校数学を経験している方は『4級』、大学初年度の確率統計を理解したい方は『3級』、AI/機械学習の前提として実務レベルを身につけたい方は『2級』からの開始がおすすめです。3 問の級診断で目安が出せます。
- Q.Python や R のコードはありますか?
- はい、教科書・図解の各章に Python(NumPy/SciPy/Pandas/scikit-learn)と R のコード例を併記しています。理論を式で理解した後、コードで動かして再確認できます。AIエンジニアに必要な実装感覚をそのまま養えます。
- Q.AI 系の検定(G 検定・E 資格)は対策できますか?
- はい、G 検定・E 資格・DS 検定それぞれに教科書・演習問題・受験情報を用意しています。統計の基礎を固めたあとそのまま AI 系検定に進めるカリキュラムです。
- Q.スマートフォンでも使えますか?
- はい、レスポンシブ対応済みでスマートフォン・タブレット・PC のいずれからも快適に学習できます。インタラクティブ図解もタッチ操作に対応。PWA 対応でホーム画面に追加すればアプリのように使えます。
学習目的から探す
よくある学習目的別に、次に読むページをまとめました。