１年前（３年生春のゼミ配属時点）の自分にアドバイスできるとしたらという設定で、ゼミ生に質問してみました。
勉強に関してのアドバイスは僕にはありません笑
何でもいいから1つ強みとなる分野を作る。情報学でも統計学でも機械学習手法でも自分が興味を持てる分野について深堀りしてみる。強みがないと卒論で困りそう。
楽勝だと思うコンペでもいいから参加する。理由：コンペはデータ分析の目的が比較的わかりやすく前処理からモデル構築、予測までの一連の流れを体験することは今後のモチベに影響を与えると思ったから。
勉強する習慣をつけるために、1日のスケジュールをたてて、とりあえず1日試してみる。プログラミングの勉強はPCに触れる機会を増やす。滋賀大の図書館は凄く良いので図書館に行って勉強する。
大学の成績や評価よりも、学べるものは全て学ぶ、という姿勢が大事。その場の断片的な知識や情報だけで必要不必要を判断するのは性急でもったいない。何でも吸収しようとする姿勢が本当に大切だと思う。
1、2年でやった内容を振り返る、振り返る準備をすると良いと思いました。殆ど忘れている、覚えられていないことが多かったので苦労しています。今までの講義資料をダウンロードしていつでもみれるようにするべきでした、、
何かよくわからなくても、取り敢えず就活系のアプリを色々と入れると就活への意識は強くなると思います。
どちらの道に進む場合でも自分のなりたい姿、どんなことがしたいかなどの軸を考えておくのが大事。軸があればあまり迷うことはない。
就活考えてる人は大学経由じゃなくてもインターンとか普通にあるのでワンデイとか参加すると就職について興味出てくるんじゃないかなと思います。自分はろくに調べもせず、夏は長期インターンばかりで部活やってるから無理と思って何もしませんでした。
説明会、インターンは積極的に参加するべし。DS学部の講義でも企業のことを知れるものは多いのでそういったもので色々知る。
常に考え続けること。自分の進路とは正解のない問いであるため、自分にとっての正解を探すのは本当に大変だなと実感している。正解でなくても最適解はあると思うので、その最適解を得られるように考え続けてほしいなと思う。
インターンに行くと現場で使われているデータサイエンスの手法やレベルがわかり自分との差がわかります。自分は1社しか行けなかったので複数の企業、業界に参加していれば、より充実した学生生活を送れると感じました。
お金の使い方に関しての自論なんですが、大学生のお金と社会人のお金の価値は全然違うと思っているので、今持ってる分だけ自己投資に使っていいと思います。
何かをする時(部活でもバイトでも)常に目標を持ってやってみる。目標を持って取り組んでみるといつもと違う考え方ができたりする。
部活入って忙しい人でも就活とか将来のこと考えないといけない時期だと思います。ほかの人と同じくらいの時間をかけられないのは仕方ないけど、興味を持つためになんでもとりあえずやってみるといいと思います。好きになったら一気にエンジンかかるし人に言われなくてもやれるようになります。
学業もある程度手が回っているならやりたいことはたくさんやっても問題ないと思います。
秒速で時間が過ぎていくから、一日一日を大切に過ごしてほしい。
幹部になると組織を動かす立場になるので急にやることが増えます。純粋に競技に打ち込めるのは3年生が最後だと思って真剣に取り組んでみてほしいです。目標に向かってチームで動いていくのはやりがいを感じられて充実しています。ぜひ部活は最後まで続けてみて欲しいです。
就活が終わったゼミ生に質問してみました。
想像よりずっと簡単だった：0
想像よりどちらかと言えば簡単だった：0
想像通り：2
想像よりどちらかと言えば大変だった：4
想像よりずっと大変だった：1
業界を絞ること。面接対策
応募の際に提出するESやwebテストが、思ったよりも時間がかかってしまうことです。ESでは過去の自分を振り返ったり、未来の自分を想像する質問が多く、自分のことをより考えさせられる期間になると思います。
３つあります。
1つめ：忙しかったこと
3月から4月まではほぼ毎日説明会、ES、webテスト、面接のなにかしらがあり常に追われていました。1日5個説明会を受けた日や1日3企業面接した日は疲労困憊でした。特に面接についてはガクチカや志望動機はもちろん、その企業の事業内容等を調べまとめて頭に入れて挑まなければいけないので、寝不足の日々でした。
2つめ：孤独だったこと
友人がみんな院進か早期選考で2月には就活を終えていたので、一緒に就活を進めているひとがいませんでした。特に3月は春休みで授業もなく、バイトも就活のためシフトをいれていなかったので、面接官以外に人と話す機会がほとんどありませんでした。
3つめ：メンタル
インターンの選考で落ちたとき、大して落ち込まなかったので意外と平気だなと思っていました。しかし、2月にとある企業の早期選考の最終面接に落ちたとき、とんでもなくメンタルがやられました。志望度が高かったわけでもないし、（今思えば）対策にたくさんの時間を使ったわけでもなかったのですが、少し大げさに言うなら自分のすべてを否定された気分でした。お祈りメールをいただいてから2週間くらいは思い出してはダメージを食らっていました。その後、親や寺口さんやゼミの先輩と話して励ましてもらったり、次第に落ちることに慣れたこともあってなんとか乗り越えられましたが、初めはきつかったです。
エントリーシートに日々追われること。大学のたくさんのレポート課題に追われてるイメージです。企業によって書く内容が異なるので大変でした。
面接ラッシュになること。自分の場合だと多い時には週に3回面接があった(おそらくかなり少ない方)人と話すのは案外疲れるのが体力的にしんどかった
不合格だったとき。普通にメンタルにきます。失恋に近い感覚です。友達や家族など、色々話すといいと思います。周りの人を頼りましょう。
エントリーシートの作成が大変でした。エントリーシートでは自分の強みや頑張ってきたことを客観的にみてまとめるのが大変でした。
1つめは、ESを書くことです。ESを書き始める前に、その会社の求める人物像や仕事内容を理解したうえで、求められる人物像に沿ったエピソードを書かなくてはいけなかったのがとても大変でした。 2つ目は面接対策です。直近の過去の質問集に対する回答を、人物像に合う回答ができるように用意し、ESから想定される質問に対する返答を考え、かつ話せるようにするというのは苦手なのでとても苦労しました。
会社ごとの面接対策
部活を続けている点とデータサイエンスを学んでいる点が評価されていると感じました。自分が進む業界はデータサイエンスが発展途上の業界だったので評価されたかもしれません
自分でいうのは恥ずかしいですが人柄だと思います。面接では常に笑顔でリアクションを大きくとることを意識してのぞみました。
データサイエンスを学んでいること。リーダー経験を経てコミュニケーションの重要性を体験していたこと。
面接のフィードバックなどを踏まえると、第一印象(笑顔、雰囲気など)、話し方(QandAになっているか、論理性、一貫性)を評価されたことが多かった。特に学部生の場合は、勉学よりも人柄を重要視される傾向にあると感じた。(もちろん勉学も大切ですが)基本的に、企業の求める人材像にマッチすることを面接でアピールできれば落ちることはないと思います。あとは面接対策をかなり詰めて臨んでいたので、変に悩むことなく自然に話すことができたのが功を奏したと思います。
素直さ、笑顔、自信
データサイエンスを学んでいることかなと思います。データを扱える人材の需要があるのと、私は資格をいくつか取っていたりガクチカをゼミにしていたので、きちんと勉強ができる人と思ってくれたところもあるかもしれません。（資格やGPAについては面接で何度か褒められました。）
体育会活動に主体的に取り組んだ経験。周りを巻き込んで課題解決をした経験。困難に直面した時の思考回路。
企業規模や給与などはもちろん考えましたが、決め手となったのは社員さんたちの雰囲気と勤務地です。インターンシップや面接を通して、自分の性格に合いそうな職場だなと思い決め手となりました。
データサイエンスは案外幅広い分野で定義も企業によって違うと感じました。自分がなりたいデータサイエンティスト像に対してなれそうな環境かどうかで選びました
仕事内容と福利厚生、会社の雰囲気
勤務地、職種、福利厚生
データ分析のコースでの採用だったこと、企業規模、会社の雰囲気（休みを取りやすいかどうかなど）
規模、待遇、業務内容
規模感、業界
webテストの勉強は早くやっておいたほうがいい、インターンにもっと参加したほうがいい（早期選考の案内がもらえるかもしれないし、ESや面接の経験が積めるから）
めんどくさいと思うけど、ESのテンプレ作りは早めにたくさん作ったきや〜ってアドバイスしたいです。
さぼらない。データサイエンスは幅広いので幅広く浅く学んでおくべきだった。
インターンは絶対参加しろ、業界色々見ろ、めんどくさがるな。
就職活動は早めに始めましょう。2年の3月からスタートするぐらいのイメージです。志望する会社、業界が決まっていなければとにかく説明会やインターンにたくさん参加するといいと思います。エントリーシートで志望動機などを書くときに非常に参考になるので、その企業にしかない魅力、強みをメモしておきましょう。次がめちゃくちゃ大切なのですが、可能であれば、滋賀大学データサイエンス学部の先輩と仲良くなっておきましょう。可能であれば、自分が行きたい会社or志望する業界を狙っていた人がベストです。エントリーシートの添削や面接対策はやったほうが絶対に良いです。雑に書いたエントリーシートは基本落ちます。丁寧に書いたら割と通ります。面接対策はゼミの友人とzoomを繋いでやっていました。また、ExcelでQandAリストを書いて、ある程度回答を用意しておきました。必要であればあげます。
毎日継続的に就活する。経験をつむこと。
Webテストの勉強をほどほどにやっておきましょう
卒論を完成させたゼミ生に質問してみました。
想像よりずっと簡単だった：0
想像よりどちらかと言えば簡単だった：0
想像通り：0
想像よりどちらかと言えば大変だった：3
想像よりずっと大変だった：3
データ分析や統計学の知識がやりたい研究内容に追いついていなかったこと。
他の研究とは違う独自性を生み出すこと
課題設定、分析がうまくいかない際の別のアプローチ
テーマ選びが大変だなと感じました。自分の興味のあるものですすめたい気持ちは大きいのですが、自分の場合大学の授業で触れていない分野への挑戦であったため、不慣れな部分が多く気持ちよく進められず、面白くないというのが大変で難しかったです。
卒業論文の企画・執筆、分析に粗がないかの確認作業
データ分析のスキル
データサイエンティストとしての一連の流れを一通り経験することができたこと
画像分析の一連の分析方法、深層学習の知識、プログラミング力
新しい分野を自ら学習する機会になり、成長できたかなと感じています。
自分の場合は使用した分析手法に関する書籍を読み、理解が深まり身に付いたのではないかと思う。
リサーチ力。基本的に自分が思いつくことは既に誰かが行っているし、自分が困っていることも既に誰かが解決している、という考えができるようになったこと。だからこそ不十分なりに、根気強く、いろいろなメディアにリサーチできたと思っている。
批判的思考力。根っからのハト派なので、あまり表立ってやいのやいの言うのは苦手だったが、批判自体は悪いことではないと考えることができるようになった。誹謗中傷は論外だが、批判を受けることで新たな視点や考え方ができるようになると学んだので、批判すること、批判を受けること自体に苦手意識はなくなった。批判が苦手な人は、批判はあくまで自分の理論や研究に対して、さらに良くするために行われる行為（むしろ協力に近い）であり、自分の人格が否定されているわけではない（人格否定は普通に誹謗中傷）ことを意識したらいいと思う。
論理の流れを詰める力。研究の根幹は因果関係。因果関係が最もミスコミュニケーションが少なく、バックグラウンドの差はあれど万人が理解できる文構造であることは間違いない。だからこそ、研究のように普遍的に共通の理解を得る必要のあるものは、一点の曇りなき因果関係の論理の流れを組み立てる必要があると感じた。実際に論文を書きながらも、本当にこの因果は問題内だろうか、全体的な論理の流れに一貫性はあり、論理の破綻が起きていないか、をしっかり考えることができたと思う。
論文を読む機会を増やす。既習の内容は忘れないようにたまに使ってみる
具体的なテーマをはやく決める。またその際に使えそうなデータを探しておく。
好きなテーマなら長く取り組めるのでこだわってください。
4月の段階からしっかりと始めないと思ったより時間がないから、本当に時間無いから始めましょう。というアドバイスをしようと思います。
テーマ決めをなるはやで行いましょう。
安いプライドを捨てろ。学部生のプライドなんて紙切れにすらならないので、そのプライドを持つのは時期尚早です。
さっさと人に聞け。自分はできる、と考えるのも大事ですが、出来ると思うことと実際にできるかは分けて考えたほうがいいですよ。
自分はできない、という基本を忘れるなかれ。学部生レベルでできることはたかが知れてます。まして初めて研究する人間のできることなんて、もとからあるわけないので、プライド捨てて人に協力してもらってください。3人寄ればなんとやらです。
私の場合一般的だが、構成→実践→修正→完成、という卒論作成の流れだった。
【構成】
どのようなことをやりたいか
やりたいことを可能にするモデル、手法はあるか
先行研究調べる
→できるだけ早めに取り掛かるが吉。卒論では一部、学部では取り扱わないような手法、モデルを使う必要に迫られることがあるので、授業外でのインプット（本を読む、輪読会に参加する等）が大事。だが一番大事なのは指導教員に早めに諮っておくこと。知ってる手法数も学生数とは比べ物にならないので。
【実践】
構成でたてた計画を基に進めていくが、大体予定通りにいかない
コードのエラーとの闘い、PCを叩き割りたくなることもしばしば
生成AIを使いこなせるかがカギ
大ポカさえしなければセーフ
→ぶっちゃけどのくらい時間がかかるかわからないため、常に不安が付きまとう一番きつい時間。ただ研究している感はめちゃあるので、終わってみれば一番楽しい時間でもある。基本困ったらChatGPTに聞いておけばOK。特にコーディングのエラーについてはほぼ解決する。だが、研究の幹となる理論や厳密な議論は生成AIはあてにならないので、そこはちゃんと人間が苦しむべき。 実践ではめちゃくちゃなNG行為、大ポカさえしなければ大丈夫で、自分が予期していない結果でも事実として受け入れることが大事。何なら、想像と違う結果はむしろ興味深くて、多くの人が信じている常識や通説が実は間違ってることがデータで明らかになりました、ってのはまさにDSの本質でもあるわけで。そこから有意義な考察に持っていけたらめちゃ意味ある研究結果になる。そういった意味でも何でも来い！ってマインドは大事ですね。けど一番大事なのは早めに指導教員にヘルプ出すこと。学部生ができることなんてタカが知れてるので。プライド捨ててさっさと聞いてください。困ったときに「助けてください」、わからないときに「わかりません」、って素直に言えるのめっちゃ大事です。
【修正】
地雷さえ見つからなければOK
↑地雷が見つかった場合に備えて最低でも1ヶ月前には第一稿を上げる
1週間くらい間隔を空けてからもう一度チェックすると間違いに気付けるよ
→たまに地雷が見つかるので、これも早めにやっておきたいところ。地雷が見つかったら地獄だが、研究の道筋は既に完成しているので、そこまで苦しくもない、というのがリアルなところ。私の場合は日本語の分析なのに英語分析のモデルを使っちゃった→多言語対応モデルを使って事なきを得る→もっといいモデルを紹介してもらう、といった形で、めちゃくちゃ大変（システム的に負荷えぐい）な分析を計三回やった。もちろん結果も都度替わるが、先述したように、既に道筋は立っているので、そこまで苦労はしない。ただやらないに越したことはないので、地雷は早めに撤去しましょう。また、その場は問題ないと思っても、期間を空けてもう一度見ると、結構間違いやフォーマットのずれがあることに気付けると思います。なので、チェックは一度にするんじゃなくて、間隔を空けながらゆっくりやるのがおすすめです
【完成】
締め切りまでに絶対出せ
→いよいよ大詰め。提出締切は十分注意してください。有事の際に学務に諮る時間を取るためにも、ギリギリに出すのは避け、遅くとも3時間前には提出しましょう。提出はフォームなので意外とあっけないです。僕は一人セレモニーと称して威風堂々を流しながら提出しました笑
１年前（大学院入学時）の自分にアドバイスできるとしたらという設定で、ゼミ生に質問してみました。
私は大学で特にデータサイエンスを学んでいなかったため、データサイエンスの背景知識（数学、統計学）がありませんでした。そのため最初の頃は講義で何を言っているのかがわからず、同期や先生に助けを求めながらなんとか付いていくような状況でした。周りの方のおかげで無事1年を終えられたといっても過言ではありません。ですので、ぜひ積極的に同期と仲良くなって、勉強でも研究でも何でも相談しあえるような関係を築くのが良いと思います。一人だといろいろ限界があるので。。。
彦根の冬は思ったよりも寒いので覚悟しておいてください（笑）雪だるまを作るときは、ペットボトルのキャップを目につかうと便利です。