2025年版 IT転職・就職のための技術スタック別学習ロードマップ：無料・有料リソース完全ガイド

• 1. はじめに：JD（職務記述書）の正しい読み方
  • Required vs Nice to Have の見極め
  • T字型人材を目指す
  • 3 / 6 / 12ヶ月のマスタープラン
• 2. コーディング面接対策
  • 必修問題リスト
  • プラットフォーム比較
  • GitHub上の必須リポジトリ
  • 3ヶ月コーディング面接タイムライン
• 3. システムデザイン面接対策
  • 必読書籍
  • オンラインコース
  • 無料リソース
  • システムデザイン頻出トピックチェックリスト
• 4. バックエンドエンジニアロードマップ
  • 言語別リソース
    • Python / FastAPI
    • Java / Spring Boot
    • Go
    • Rust
  • データベース
  • バックエンド6ヶ月ロードマップ
• 5. フロントエンドエンジニアロードマップ
  • 有料コース（投資価値が高いもの）
  • 無料リソース
  • フロントエンド6ヶ月ロードマップ
• 6. AI/MLエンジニアロードマップ
  • 無料で始める基礎固め
  • RAG と LLM アプリケーション開発
  • MCP（Model Context Protocol）
  • AI/MLエンジニア 8ヶ月ロードマップ
• 7. DevOps / プラットフォームエンジニアロードマップ
  • 資格ロードマップ
  • 学習プラットフォーム
  • DevOps / プラットフォームエンジニア 6ヶ月ロードマップ
• 8. データエンジニアロードマップ
  • 無料リソース
  • 有料リソース
  • ツール別リソース
  • データエンジニア 6ヶ月ロードマップ
• 9. 無料学習リソース総まとめ
  • YouTube チャンネル（推奨）
  • 大学公開講座（MOOCs）
  • GitHub 必須リポジトリ
• 10. ポートフォリオとGitHub戦略
  • 効果的なポートフォリオの条件
  • ポートフォリオプロジェクトのアイデア
  • GitHubプロフィールの最適化
• 11. 予算別投資戦略
  • ゼロ予算（完全無料ルート）
  • 中間予算（月1万〜3万円）
  • プレミアム予算（月5万円以上）
• 12. まとめ：今すぐ始める4週間プラン
  • 4週間キックスタートプラン
  • 学習を継続するためのコツ
  • 日本のエンジニアコミュニティ
  • クイズ
  • 参考資料

1. はじめに：JD（職務記述書）の正しい読み方

転職活動でまず直面するのが、求人票に並ぶ膨大な技術スタックの羅列だ。React, TypeScript, Kubernetes, Terraform, PyTorch, LangChain...見ているだけで圧倒される。しかし、JDをただ読むだけでは意味がない。正しく「解読」する力が必要だ。

Required vs Nice to Have の見極め

JDの技術要件は大きく二つに分かれる。

多くの応募者が犯す間違いは、JDに記載された全項目を満たさなければ応募できないと思い込むことだ。実際には、Required項目の70〜80%を満たしていれば十分に応募する価値がある。

T字型人材を目指す

現代のソフトウェアエンジニアに求められるのは、T字型のスキルセットだ。

• 横軸（幅広い知識）: ネットワーク、OS、データベース、セキュリティなどの基礎CS知識
• 縦軸（深い専門性）: 特定のドメインや技術における深い実践経験

例えば、バックエンドエンジニアであればJava/Spring Bootの深い知識を持ちつつ、フロントエンドの基礎やインフラの概要を理解している状態が理想だ。

3 / 6 / 12ヶ月のマスタープラン

効率的な学習のためには、明確な時間軸を設定する必要がある。

3ヶ月プラン（緊急転職モード）

• 月1: コーディング面接対策 + 主要言語の深掘り
• 月2: システムデザイン基礎 + ポートフォリオプロジェクト開始
• 月3: 模擬面接 + ポートフォリオ完成 + 応募開始

6ヶ月プラン（着実な転職準備）

• 月1-2: CS基礎固め + コーディング問題（毎日1-2問）
• 月3-4: 専門領域の深掘り + 資格取得
• 月5-6: システムデザイン + ポートフォリオ + 面接練習

12ヶ月プラン（キャリアチェンジ）

• 月1-3: プログラミング基礎 + CS概論
• 月4-6: 専門領域の基礎学習 + 小規模プロジェクト
• 月7-9: 実践プロジェクト + コーディング面接準備
• 月10-12: 応用学習 + ポートフォリオ磨き + 転職活動

2. コーディング面接対策

コーディング面接はIT業界への入口であり、避けては通れない関門だ。日本でも外資系企業を中心にLeetCode型の面接が一般化しつつあり、メルカリやLINE、楽天といった国内テック企業でもアルゴリズム面接を実施するケースが増えている。

必修問題リスト

まず押さえるべき問題リストは以下の3つだ。

Blind 75

• 元Facebook エンジニアが厳選した75問
• LeetCodeで最も頻出するパターンを網羅
• 最短ルートでコーディング面接に備えたい人向け
• 所要時間の目安: 4〜6週間

Grind 75

• Blind 75の作者による改良版
• 難易度・時間配分を柔軟にカスタマイズ可能
• 公式サイト: grind75.com でスケジュール生成ができる
• 所要時間の目安: 8〜12週間

NeetCode 150

• YouTubeでの詳細な動画解説が最大の強み
• パターン別に分類されており、体系的に学べる
• Blind 75を包含し、さらに重要問題を追加
• 所要時間の目安: 8〜16週間

プラットフォーム比較

日本特有のリソース

日本のエンジニア転職市場には独自のプラットフォームが存在する。

• AtCoder: 競技プログラミングの実力を可視化するレーティングシステムが特徴。AtCoder Beginner Contest（ABC）から始めて、徐々に難易度を上げていくのが定石だ。企業によってはAtCoderレーティングを採用基準に組み込んでいるケースもある
• Paiza: スキルチェック問題を解くことでランクが付与され、そのランクに応じた求人に応募できる。実質的にコーディングテストと転職活動を同時に進められるプラットフォームだ
• AOJ (Aizu Online Judge): 会津大学が運営するオンラインジャッジ。アルゴリズムの基礎から応用まで幅広い問題を提供している

GitHub上の必須リポジトリ

coding-interview-university

• Google面接の準備過程を体系化した伝説的リポジトリ
• スター数30万超え
• CS基礎からアルゴリズムまで網羅的な学習計画
• リンク: github.com/jwasham/coding-interview-university

tech-interview-handbook

• 元Meta エンジニアが作成した面接対策総合ガイド
• 自己紹介からオファー交渉まで全工程をカバー
• コーディング・システムデザイン・行動面接すべてに対応
• リンク: github.com/yangshun/tech-interview-handbook

JavaScript-Algorithms

• JavaScriptによるアルゴリズムとデータ構造の実装集
• 各アルゴリズムの日本語説明付きREADMEも存在
• リンク: github.com/trekhleb/javascript-algorithms

3ヶ月コーディング面接タイムライン

Week 1-2:   配列、ハッシュマップ、文字列操作（Easy 15問）
Week 3-4:   二分探索、スライディングウィンドウ、Two Pointers（Easy/Medium 15問）
Week 5-6:   スタック、キュー、連結リスト（Medium 15問）
Week 7-8:   ツリー、グラフ（BFS/DFS）（Medium 15問）
Week 9-10:  DP（1次元/2次元）、グリーディ（Medium 15問）
Week 11-12: 総復習 + 模擬面接（苦手分野を集中攻略）

毎日のルーティン（推奨）

1. 新しい問題1問に25分間取り組む（解けなくても解説を読む）
2. 前日の問題を何も見ずに再実装（定着のため）
3. 週末に1週間分の苦手パターンを復習

3. システムデザイン面接対策

シニアレベル以上のポジションでは、コーディング面接に加えてシステムデザイン面接が課される。大規模システムの設計能力、トレードオフの判断力、そして技術的なコミュニケーション力が問われる。

必読書籍

Designing Data-Intensive Applications（DDIA）

• 著者: Martin Kleppmann
• 分散システムのバイブルとして知られる名著
• データモデル、レプリケーション、パーティショニング、トランザクション、一貫性モデルなど網羅的にカバー
• 和訳版『データ指向アプリケーションデザイン』（オライリー・ジャパン）も発売済み
• 難易度は高いが、一度理解すればシステムデザイン面接の基盤となる

System Design Interview（Alex Xu）

• Volume 1 & Volume 2
• 実際の面接で出題されるシステム設計問題を詳細に解説
• URL短縮サービス、チャットシステム、ニュースフィード、検索エンジンなど
• 図解が豊富で理解しやすい
• 面接対策として最もコストパフォーマンスが高い

Software Architecture: The Hard Parts

• 著者: Neal Ford, Mark Richards ほか
• マイクロサービス vs モノリス、イベントドリブンアーキテクチャなど実務的な設計判断を扱う
• 実際のアーキテクチャ決定のトレードオフを学べる

日本語書籍の推薦

• 『大規模サービス技術入門』（WEB+DB PRESS plus）: 日本のWeb企業の事例をもとにした大規模システムの実践知識
• 『Webを支える技術』（技術評論社）: HTTP、URI、RESTの基礎を固めるための定番書
• 『Real World HTTP 第3版』（オライリー・ジャパン）: HTTPプロトコルの深い理解に最適

オンラインコース

ByteByteGo（有料）

• Alex Xuが運営するシステムデザイン学習プラットフォーム
• ニュースレター（無料）+ コース（年79ドル〜）
• 視覚的に美しい図解が特徴
• 週刊メールでシステムデザインの知識をコツコツ蓄積できる

Grokking the System Design Interview（有料）

• Educative.ioの人気コース
• インタラクティブな学習環境
• 15以上のシステムデザイン問題を段階的に解説
• テキストベースで自分のペースで学べる

Codemia.io（一部無料）

• システムデザインの問題を実践的に練習できるプラットフォーム
• 図を描きながら設計を進められるインタラクティブな環境
• フィードバック機能あり

無料リソース

AlgoMaster Newsletter

• システムデザインのコンセプトを週刊で解説
• 無料で購読可能
• 図解付きで分かりやすい

Gaurav Sen（YouTube）

• システムデザインに特化したYouTubeチャンネル
• 直感的な図解とわかりやすい説明
• 一貫性ハッシュング、ロードバランシング、メッセージキューなど基礎トピックを網羅

system-design-primer（GitHub）

• システムデザイン学習の定番リポジトリ
• スター数28万超え
• 大規模システムの設計方法を体系的に学べる
• スケーラビリティ、可用性、パフォーマンスなどの概念を図解付きで解説
• リンク: github.com/donnemartin/system-design-primer

Karanpratapsinghのシステムデザインコース（GitHub）

• 無料で公開されているシステムデザインの教科書的リポジトリ
• DNS、キャッシュ、CDN、データベースなど基礎から丁寧に解説

システムデザイン頻出トピックチェックリスト

面接で問われやすいトピックを重要度順に整理する。

必修（Must Know）

• スケーリング（水平 vs 垂直）
• ロードバランシング（L4 vs L7）
• キャッシュ戦略（Write-through, Write-back, Write-around）
• データベース選択（RDB vs NoSQL）とシャーディング
• CDN（Content Delivery Network）
• API設計（REST, GraphQL, gRPC）
• メッセージキュー（Kafka, RabbitMQ, SQS）
• 一貫性モデル（Strong, Eventual, Causal）

準必修（Should Know）

• CAP定理とその実務的影響
• レート制限（Rate Limiting）
• サーキットブレーカーパターン
• リーダー選出（Leader Election）
• ブルームフィルター
• 一貫性ハッシュ
• WebSocket vs SSE vs Long Polling

上級（Nice to Know）

• CRDT（Conflict-free Replicated Data Types）
• Vector Clock
• Gossip Protocol
• Merkle Tree
• Paxos / Raft コンセンサスアルゴリズム

4. バックエンドエンジニアロードマップ

バックエンドエンジニアは、サーバーサイドのロジック、データベース設計、API開発、インフラ連携など多岐にわたるスキルが求められる。言語選択は市場の需要と自分の適性を考慮して決めるのが良い。

言語別リソース

Python / FastAPI

Pythonは学習コストが低く、AI/ML領域との親和性が高い。FastAPIの台頭により、バックエンド開発言語としての地位も確立した。

推奨リソース

• Python公式チュートリアル（無料）: docs.python.org の公式ドキュメント。基礎を固めるならここから
• FastAPI公式ドキュメント（無料）: 最も優れたAPIフレームワークドキュメントの一つ。チュートリアル形式で実践的
• Talk Python Training（有料 / 月25ドル）: Michael Kennedyによる高品質なPythonコース群
• TestDriven.io（有料）: FastAPI + Docker + CI/CD のプロジェクトベース学習
• Architecture Patterns with Python（無料 / オンライン公開）: DDD、イベントドリブンアーキテクチャをPythonで実践

Java / Spring Boot

Javaは日本のエンタープライズ市場で依然として最も需要が高い言語だ。特に金融、通信、大手SIerでは必須スキルとなる。

推奨リソース

• Spring公式ガイド（無料）: spring.io/guides で段階的に学べる
• Baeldung（無料 / Premium年45ドル）: Spring/Javaエコシステムの最大級リファレンスサイト
• Java Brains（YouTube）（無料）: Springフレームワークの動画解説が充実
• プロになるJava（技術評論社）: 日本語でJavaを体系的に学べる良書
• Spring Boot 実践入門（技術評論社）: 日本語のSpring Boot解説書として定番

Go

Goはクラウドネイティブ開発のデファクト言語として急成長中。Docker、Kubernetes、Terraformなど主要ツールがGoで書かれている。

推奨リソース

• A Tour of Go（無料）: 公式のインタラクティブチュートリアル
• Go by Example（無料）: 実例ベースのGo入門
• Let's Go / Let's Go Further（有料 / 各30ドル）: Alex Edwardsによる実践的なGo Webアプリケーション開発書
• Ardan Labs Ultimate Go（有料）: Bill Kennedyによる上級Goコース
• プログラミング言語Go完全入門（無料 / GitHub公開）: mercari のtenntennさんが公開した日本語のGo入門資料

Rust

Rustはメモリ安全性とパフォーマンスの両立で注目を集めている。学習曲線は急だが、習得すれば強力な武器になる。

推奨リソース

• The Rust Programming Language（The Book）（無料）: 公式の教科書。無料で公開されている
• Rustlings（無料）: 小さな演習問題を解きながらRustを学ぶ
• Rust by Example（無料）: 実例ベースの学習
• Zero To Production In Rust（有料 / 約45ドル）: Rustでプロダクションレベルのバックエンドを構築する実践書
• 実践Rustプログラミング入門（秀和システム）: 日本語のRust入門書

データベース

PostgreSQL

• 公式ドキュメント（無料）: 業界で最も充実したデータベースドキュメントの一つ
• PostgreSQL Exercises（無料）: pgexercises.com でSQLの実践練習
• The Art of PostgreSQL（有料）: PostgreSQLの高度な活用法

Redis

• Redis University（無料）: 公式の無料学習プラットフォーム。認定資格も取得可能
• Redis公式ドキュメント（無料）: 充実したチュートリアルとコマンドリファレンス

MongoDB

• MongoDB University（無料）: 公式の無料コースと認定試験
• MongoDB公式ドキュメント（無料）: チュートリアル形式で実践的

バックエンド6ヶ月ロードマップ

月1:   言語基礎 + HTTP/REST基礎
       - 選択言語の文法・標準ライブラリを習得
       - HTTP メソッド、ステータスコード、ヘッダーの理解
       - 簡単なCRUD APIを構築

月2:   データベース + ORM
       - SQL基礎（JOIN、サブクエリ、インデックス）
       - PostgreSQLの環境構築と実践
       - ORM/クエリビルダーの使い方（SQLAlchemy, GORM, JPA等）

月3:   認証・認可 + テスト
       - JWT、OAuth 2.0、セッション管理
       - ユニットテスト、統合テスト、E2Eテスト
       - テスト駆動開発（TDD）の実践

月4:   Docker + CI/CD
       - Dockerfileの作成とマルチステージビルド
       - Docker Composeによるローカル開発環境
       - GitHub Actions / GitLab CIによる自動テスト・デプロイ

月5:   キャッシュ + メッセージキュー + 監視
       - Redis / Memcached によるキャッシュ戦略
       - メッセージキュー（RabbitMQ / Kafka）の基礎
       - ログ集約、メトリクス収集、アラート設定

月6:   ポートフォリオプロジェクト + 面接準備
       - 実践的なアプリケーションを一つ完成させる
       - README、アーキテクチャ図、デプロイまで仕上げる
       - システムデザイン面接の練習

5. フロントエンドエンジニアロードマップ

フロントエンドは技術の変化が最も激しい領域の一つだ。しかし、基礎となるHTML、CSS、JavaScriptの重要性は変わらない。その上にReact/Next.jsのエコシステムを積み上げていく戦略が最も効率的だ。

有料コース（投資価値が高いもの）

Epic React（Kent C. Dodds）

• 料金: 約300ドル（セール時150ドル前後）
• Reactの深い理解を目指す最高峰のコース
• フック、パフォーマンス最適化、パターン、テストまで網羅
• ハンズオン形式で実践力が身につく
• 2024年にv2がリリースされ、React 19対応

The Joy of React（Josh W Comeau）

• 料金: 約350ドル
• ビジュアルで直感的な学習体験
• CSSの深い理解を含む
• React初心者から中級者への橋渡しとして最適
• インタラクティブな演習が豊富

CSS for JS Devs（Josh W Comeau）

• 料金: 約400ドル
• JavaScriptエンジニアが苦手とするCSSを根本から理解するコース
• Flexbox、Grid、アニメーション、レスポンシブデザインなど
• 投資額は大きいが、CSS理解の効率は圧倒的

Frontend Masters

• 料金: 月39ドル / 年390ドル
• 業界のトップエンジニアによる体系的なコース群
• React、TypeScript、Node.js、パフォーマンス、アクセシビリティなど
• 日本からも利用しやすいサブスクリプションモデル

無料リソース

Next.js Learn

• Next.jsの公式学習コース
• App Router、Server Components、データ取得など最新機能を段階的に学べる
• プロジェクトベースで実践的
• URL: nextjs.org/learn

TypeScript公式ハンドブック

• TypeScriptの基礎から応用まで網羅
• Playgroundで即座に試せる
• URL: typescriptlang.org/docs/handbook

React公式ドキュメント

• 2023年にリニューアルされた新ドキュメントは非常に質が高い
• インタラクティブな演習問題付き
• フック、状態管理、エフェクトの正しい使い方を学べる
• URL: react.dev

web.dev（Google）

• Web標準、パフォーマンス、アクセシビリティの学習
• Core Web Vitals の理解と最適化
• URL: web.dev

日本語フロントエンドリソース

• Progate: 日本発のプログラミング学習サービス。HTML/CSS/JavaScript/Reactの入門に最適
• ドットインストール: 3分動画でプログラミングを学ぶ日本の老舗サービス
• Zenn: 日本のエンジニアコミュニティ。フロントエンド関連の技術記事やBookが豊富
• uhyo/zenn-content: TypeScript/Reactの深い理解で知られるuhyoさんのZenn記事群

フロントエンド6ヶ月ロードマップ

月1:   HTML/CSS基礎の徹底
       - セマンティックHTML、アクセシビリティ
       - Flexbox、Grid のマスター
       - レスポンシブデザインの実装
       - 簡単なランディングページを3つ作成

月2:   JavaScript / TypeScript
       - ES6+ の機能（destructuring、spread、async/await等）
       - TypeScript の型システム（generics、utility types）
       - DOM操作、イベントハンドリング
       - Fetch API、Promise チェーン

月3:   React基礎
       - コンポーネント設計、Props、State
       - Hooks（useState, useEffect, useRef, useMemo, useCallback）
       - カスタムフック作成
       - React Developer Toolsの使い方

月4:   Next.js + 状態管理
       - App Router、Server Components
       - データ取得（fetch, Server Actions）
       - Zustand / Jotai による状態管理
       - 認証の実装（NextAuth.js / Auth.js）

月5:   テスト + パフォーマンス
       - Vitest / Jest によるユニットテスト
       - React Testing Library による統合テスト
       - Playwright / Cypress によるE2Eテスト
       - Lighthouse、Core Web Vitals の最適化

月6:   ポートフォリオプロジェクト
       - 本格的なアプリケーションを一つ完成させる
       - Vercelへのデプロイ
       - OGP画像、SEO対策
       - GitHub README の充実

6. AI/MLエンジニアロードマップ

AI/MLエンジニアは2024-2025年で最も需要が急増しているポジションだ。特にLLMの登場以降、従来のML知識に加えてプロンプトエンジニアリング、RAG、ファインチューニングなど新しいスキルセットが求められている。

無料で始める基礎固め

Andrej Karpathy（YouTube / GitHub）

• 元Tesla AI ディレクター、元OpenAI
• Neural Networks: Zero to Hero シリーズ: ニューラルネットワークをゼロから構築
• Let's build GPT: GPTをスクラッチで実装する伝説的動画
• minGPT / nanoGPT: 教育目的のGPT実装
• AI/ML学習で最初に観るべきコンテンツとして広く推奨されている

fast.ai

• Practical Deep Learning for Coders: 実践重視のディープラーニング入門コース
• Top-down アプローチ: まず動くモデルを作り、その後理論を深める
• 完全無料、Jupyter Notebook付き
• Jeremy Howardの説明は明快で初心者にもわかりやすい

DeepLearning.AI（Coursera）

• Andrew Ngによる機械学習・ディープラーニングコース
• Machine Learning Specialization: ML の基礎を網羅（3コース）
• Deep Learning Specialization: DLの理論と実践（5コース）
• 監査モード（Audit）なら無料で視聴可能

Hugging Face

• NLP Course（無料）: 自然言語処理を Transformers ライブラリで学ぶ
• Open-Source AI Cookbook: 実践的なAI活用のレシピ集
• モデルハブ: 事前学習済みモデルのダウンロードと利用
• Spacesでデモアプリを簡単にデプロイできる

日本語のAI/MLリソース

• 東京大学 松尾研究室の公開講座: 深層学習の基礎を日本語で学べる貴重な無料リソース
• AI Academy: 日本語でAI/MLを体系的に学べるプラットフォーム
• キカガク: 日本企業向けAI教育サービス。一部コースが無料公開

RAG と LLM アプリケーション開発

2024-2025年のAIエンジニアに最も求められるスキルがRAG（Retrieval-Augmented Generation）とLLMアプリケーション開発だ。

LangChain

• LLMアプリケーション開発の最も広く使われるフレームワーク
• 公式ドキュメント + チュートリアルが充実
• LangSmith: LLMアプリの観測・デバッグツール
• LangGraph: マルチエージェント・ワークフロー構築

LlamaIndex

• RAGに特化したフレームワーク
• データの取り込み、インデックス作成、クエリのパイプラインを簡単に構築
• 公式ドキュメントが丁寧

ベクトルデータベース

• Pinecone: マネージドサービスで手軽に始められる
• Weaviate: オープンソース、ハイブリッド検索対応
• Chroma: ローカル開発に最適な軽量ベクトルDB
• pgvector: PostgreSQLの拡張。既存のPostgreSQL環境で使える

RAG学習リソース

• LangChain RAG Tutorial（公式ドキュメント）
• LlamaIndex Build a RAG（公式チュートリアル）
• Pinecone Learning Center（無料）
• RAG From Scratch（LangChain YouTube）: RAGの仕組みをゼロから解説

MCP（Model Context Protocol）

Anthropicが提唱したMCPは、LLMと外部ツール・データソースを接続するための標準プロトコルだ。AIエージェント開発において注目度が急上昇している。

公式ドキュメント

• modelcontextprotocol.io: MCPの仕様、SDKリファレンス、チュートリアル
• TypeScript SDK / Python SDK: 公式のサーバー・クライアント実装
• 対応ツール一覧: GitHub, Slack, Google Drive, PostgreSQL等との連携サーバー

Anthropic公式コース

• Anthropic Courses（GitHub）: MCPを含むAnthropic APIの活用コース
• Tool Use（Function Calling）: LLMとツールの連携パターン
• プロンプトエンジニアリングの公式ガイド

MCP実践リソース

• MCP公式リポジトリのサンプルサーバー
• Claude Desktop でのMCPサーバー接続チュートリアル
• コミュニティ製MCPサーバーのGitHubリポジトリ群

AI/MLエンジニア 8ヶ月ロードマップ

月1:   Python + 数学基礎
       - NumPy、Pandas、Matplotlib
       - 線形代数（行列演算、固有値分解）
       - 確率・統計（ベイズ定理、分布、仮説検定）

月2:   機械学習基礎
       - scikit-learn で基本アルゴリズムを実装
       - 回帰、分類、クラスタリング
       - 交差検証、ハイパーパラメータチューニング
       - Kaggle入門コンペに参加

月3:   ディープラーニング基礎
       - PyTorch / TensorFlow の基本操作
       - CNN（画像分類）、RNN/LSTM（系列データ）
       - 学習率、バッチサイズ、正則化の理解
       - Karpathy の Zero to Hero シリーズ完走

月4:   自然言語処理 + Transformers
       - Attention機構の理解
       - Hugging Face Transformers ライブラリ
       - テキスト分類、固有表現認識、テキスト生成
       - ファインチューニングの基礎

月5:   LLM活用とプロンプトエンジニアリング
       - OpenAI API / Anthropic API の使い方
       - プロンプト設計の原則とパターン
       - Function Calling / Tool Use
       - 評価指標の設計

月6:   RAG + ベクトルDB
       - LangChain / LlamaIndex によるRAG構築
       - ベクトルデータベースの選定と運用
       - チャンク分割戦略、リトリーバルの最適化
       - 実践的なRAGアプリケーションの開発

月7:   エージェントとMCP
       - LangGraph によるマルチエージェント構築
       - MCPサーバーの開発
       - ツール連携パターンの実装
       - 本番環境での安全なデプロイ

月8:   ポートフォリオ + 論文読解
       - 本格的なAIアプリケーションを開発・公開
       - 主要論文の読解（Attention Is All You Need, GPT, BERT等）
       - 技術ブログの執筆
       - コミュニティへの貢献（Hugging Face, GitHub）

7. DevOps / プラットフォームエンジニアロードマップ

DevOpsエンジニアとプラットフォームエンジニアは、開発と運用の橋渡しをする重要な役割だ。クラウドインフラ、コンテナオーケストレーション、CI/CD、監視、セキュリティなど幅広い知識が求められる。

資格ロードマップ

資格取得は知識の体系化と市場価値の向上に有効だ。特にクラウド関連の資格は転職市場で明確なシグナルとなる。

CKA（Certified Kubernetes Administrator）

• Kubernetes管理の実技試験
• 試験時間: 2時間、実際のクラスターを操作
• 合格率: 約50%（準備が必要）
• 推奨学習期間: 2〜3ヶ月
• 対策: KodeKloud CKA コース + killer.sh 模擬試験

Terraform Associate

• HashiCorpの公式IaC認定資格
• Infrastructure as Code の基礎知識を証明
• 選択式 + 穴埋め式の筆記試験
• 推奨学習期間: 1〜2ヶ月

AWS Solutions Architect Associate（SAA）

• AWS で最も人気のある認定資格
• クラウドアーキテクチャの設計能力を証明
• 推奨学習期間: 2〜3ヶ月
• 日本語での受験が可能

AWS Solutions Architect Professional（SAP）

• SAAの上位資格
• 高度なアーキテクチャ設計を問う
• 推奨学習期間: 3〜4ヶ月（SAA取得後）

資格取得の推奨順序

Step 1: AWS SAA（クラウドの基礎理解）
Step 2: CKA（コンテナオーケストレーション）
Step 3: Terraform Associate（IaCスキル）
Step 4: AWS SAP（高度なアーキテクチャ）

学習プラットフォーム

KodeKloud

• 料金: 月15ドル〜
• Kubernetes、Docker、Terraform、Ansible等のハンズオンラボ
• CKA/CKAD/CKS試験の対策コースが特に優秀
• ブラウザ上で実際のクラスターを操作できる
• DevOps学習プラットフォームとして最もコストパフォーマンスが高い

Adrian Cantrill のAWSコース

• 料金: 月40ドル（全コースアクセス）
• AWSの最も詳細な学習コースとして評価が高い
• SAA、SAP、DevOps Professional等をカバー
• ビジュアル重視の説明で理解しやすい
• learn.cantrill.io

A Cloud Guru / Pluralsight

• 料金: 月35ドル〜
• AWS、Azure、GCPの幅広いコースを提供
• ハンズオンラボ環境あり
• 資格対策に加え、実践的なプロジェクトも充実

日本語のDevOpsリソース

• AWS公式トレーニング（日本語）: aws.amazon.com/jp/training で無料のデジタルコースが多数
• AWS Skill Builder: 無料・有料のAWS公式学習プラットフォーム
• Udemy（日本語講座）: CKA対策やTerraform入門の日本語コースが豊富
• CloudTech: 日本語のAWS学習コミュニティ

DevOps / プラットフォームエンジニア 6ヶ月ロードマップ

月1:   Linux + ネットワーク基礎
       - Linux基本コマンド、シェルスクリプト
       - TCP/IP、DNS、HTTP/HTTPS
       - SSH、ファイアウォール、基本的なセキュリティ

月2:   Docker + CI/CD
       - Dockerfileの最適化、マルチステージビルド
       - Docker Compose
       - GitHub Actions / GitLab CI でパイプライン構築
       - ビルド、テスト、デプロイの自動化

月3:   Kubernetes
       - Pod、Service、Deployment、ConfigMap、Secret
       - Ingress、PersistentVolume
       - Helm Chart の作成と管理
       - KodeKloud でのハンズオン実践

月4:   IaC（Terraform / Pulumi）
       - HCLの基本文法
       - AWS リソースの宣言的管理
       - モジュール化、状態管理（Remote State）
       - Terraform Associate 資格対策

月5:   監視 + ログ + セキュリティ
       - Prometheus + Grafana によるメトリクス監視
       - ELK Stack / Loki によるログ管理
       - OpenTelemetry による分散トレーシング
       - セキュリティスキャン（Trivy, Snyk）

月6:   AWS資格対策 + ポートフォリオ
       - AWS SAA 試験対策
       - 全体を統合した Infrastructure as Code プロジェクト
       - アーキテクチャ図とドキュメントの作成

8. データエンジニアロードマップ

データエンジニアは、データパイプラインの設計・構築・運用を担当する。ビッグデータの処理基盤、ETL/ELTパイプライン、データウェアハウスの設計など、データの「流れ」を支えるエンジニアだ。

無料リソース

Data Engineering Zoomcamp（DataTalks.Club）

• 完全無料のデータエンジニアリングブートキャンプ
• 9週間のカリキュラム
• Docker、Terraform、BigQuery、Spark、Kafka、dbtをカバー
• 毎年更新され、最新のツールチェーンに対応
• GitHub: github.com/DataTalksClub/data-engineering-zoomcamp

DataCamp

• 一部無料 / 月25ドル
• SQL、Python、Rによるデータ分析コース
• インタラクティブな演習環境
• データエンジニアリングトラックあり

有料リソース

DataExpert.io（Zach Wilson）

• データエンジニアリングに特化した学習プラットフォーム
• Free Data Engineering Bootcamp（無料/録画版）
• 実践的なデータモデリング、パイプライン構築を学べる
• Zachの分かりやすい講義スタイルが好評

StartDataEngineering

• データエンジニアリングのベストプラクティスをまとめたサイト
• プロジェクトベースの学習コンテンツ
• パイプライン設計パターンの解説

ツール別リソース

Apache Spark

• Spark: The Definitive Guide（書籍）: Sparkの包括的なリファレンス
• Databricks Community Edition（無料）: Sparkを無料で試せる環境
• PySpark公式ドキュメント

Apache Kafka

• Confluent Developer（無料）: Kafkaのチュートリアルとコース
• Kafka: The Definitive Guide 第2版（書籍）
• Conduktor: Kafkaの管理・学習ツール

dbt（data build tool）

• dbt Learn（公式 / 無料）: dbtの公式学習コース
• dbt Fundamentals 認定資格（無料）
• Analytics Engineering with dbt（書籍）

Apache Airflow

• Astronomer Academy（無料）: Airflowの公式パートナーによるコース
• Apache Airflow公式チュートリアル
• Marc Lamberti の Udemy コース（有料 / 評判が高い）

データウェアハウス

• BigQuery公式ドキュメント + Google Cloud Skills Boost
• Snowflake University（無料）: Snowflakeの公式学習プラットフォーム
• Amazon Redshift ワークショップ（無料）

データエンジニア 6ヶ月ロードマップ

月1:   SQL上級 + Python
       - ウィンドウ関数、CTE、再帰クエリ
       - パフォーマンスチューニング（EXPLAIN ANALYZE）
       - Pythonでのデータ操作（Pandas, Polars）

月2:   データモデリング + DWH
       - ディメンショナルモデリング（Star Schema, Snowflake Schema）
       - Slowly Changing Dimensions（SCD Type 1/2/3）
       - BigQuery / Snowflake の基礎と実践

月3:   ETL/ELTパイプライン
       - Apache Airflow によるワークフロー管理
       - dbt によるデータ変換
       - データ品質チェック（Great Expectations）

月4:   ストリーミング処理
       - Apache Kafka の基礎と Producer/Consumer
       - Spark Structured Streaming
       - リアルタイムデータパイプラインの構築

月5:   データガバナンス + 監視
       - データカタログ（DataHub, OpenMetadata）
       - データリネージの追跡
       - パイプライン監視とアラート
       - データプライバシー（GDPR, 個人情報保護法）

月6:   ポートフォリオプロジェクト
       - End-to-End のデータパイプライン構築
       - Ingestion -> Transform -> Serve の一連の流れ
       - ダッシュボード作成（Metabase, Superset）
       - ドキュメントとアーキテクチャ図

9. 無料学習リソース総まとめ

予算ゼロでも質の高い学習は可能だ。ここでは分野横断的に活用できる無料リソースを整理する。

YouTube チャンネル（推奨）

日本語 YouTube チャンネル

大学公開講座（MOOCs）

MIT OpenCourseWare

• 6.006 Introduction to Algorithms: アルゴリズムの名講義
• 6.824 Distributed Systems: 分散システムの最先端
• 完全無料、講義動画・資料・課題すべて公開

Stanford Online

• CS229 Machine Learning: Andrew Ng の ML 講義（YouTube公開）
• CS231n Convolutional Neural Networks: CNNの定番コース
• CS224n Natural Language Processing: NLPの基礎から最先端まで

Harvard CS50

• CS50x Introduction to Computer Science: CS入門の決定版
• CS50 Web Programming: Webアプリケーション開発
• edX で無料受講可能

東京大学 / 京都大学（公開講座）

• 東大の情報理工学系の一部講座がOCWで公開
• 日本語で学べるCS基礎講座

GitHub 必須リポジトリ

学習系

ツール・リファレンス系

10. ポートフォリオとGitHub戦略

書類選考を通過するためには、技術力を「見える化」する必要がある。特に実務経験が少ない場合、ポートフォリオとGitHubが最大のアピール材料となる。

効果的なポートフォリオの条件

避けるべきプロジェクト

• TODO アプリ（差別化不可能）
• チュートリアルのコピペ
• 完成度が低い半端なプロジェクト

評価されるプロジェクト

• 実際の課題を解決するもの
• 技術的なチャレンジが含まれるもの
• デプロイされてアクセスできるもの
• 明確なREADMEとアーキテクチャ説明があるもの

ポートフォリオプロジェクトのアイデア

バックエンド向け

• URLショートナー（Redis + Rate Limiting + 分析ダッシュボード）
• リアルタイムチャットアプリ（WebSocket + メッセージ永続化）
• APIゲートウェイ（認証、レート制限、ロギング、キャッシュ）

フロントエンド向け

• ダッシュボードアプリ（リアルタイムデータ可視化、フィルタリング）
• マークダウンエディタ（プレビュー、構文ハイライト、エクスポート）
• ECサイト（商品一覧、カート、チェックアウト、決済連携）

AI/ML向け

• RAGベースのドキュメント質問応答システム
• 画像分類WebアプリケーションのAPI + フロントエンド
• LLMを使ったコードレビューボット

DevOps向け

• Terraform + Kubernetes でのマルチ環境インフラ構築
• GitOps パイプライン（ArgoCD + Helm）
• 監視ダッシュボード（Prometheus + Grafana + アラート）

GitHubプロフィールの最適化

プロフィールREADME

• GitHub ユーザー名と同名のリポジトリを作成
• 技術スタック、現在の学習内容、連絡先を記載
• GitHub Stats やコントリビューションカレンダーの埋め込み

コントリビューション戦略

• 毎日少なくとも1コミットを目指す（草を生やす）
• OSSへのコントリビューション（ドキュメント修正からでもOK）
• Issue の報告や Discussion への参加
• 自分のプロジェクトでもブランチ運用とPRを活用

リポジトリの見せ方

• ピン留めリポジトリを6つ厳選
• 各リポジトリに明確なREADMEを作成
• Topics（タグ）を設定してDiscoverabilityを向上
• ライブデモのURLを Description に記載

11. 予算別投資戦略

ゼロ予算（完全無料ルート）

月額0円でも質の高い学習は十分に可能だ。

コーディング面接:   LeetCode（無料版）+ NeetCode YouTube
システムデザイン:   system-design-primer + Gaurav Sen YouTube
バックエンド:      公式ドキュメント + freeCodeCamp
フロントエンド:    React公式 + Next.js Learn + MDN Web Docs
AI/ML:            fast.ai + Karpathy YouTube + Hugging Face
DevOps:           AWS Free Tier + Kubernetes公式チュートリアル
データエンジニア:   Data Engineering Zoomcamp + dbt Learn

ポイント

• 公式ドキュメントは最も信頼性が高く、かつ無料
• YouTube上の質の高いコンテンツを活用
• GitHub上の無料リソースを最大限利用
• Coursera/edX の監査モードで大学講座を視聴

中間予算（月1万〜3万円）

戦略的に有料リソースへ投資する。

コーディング面接:  LeetCode Premium（月35ドル）
                  → 企業別出題頻度で効率アップ

システムデザイン:  ByteByteGo（年79ドル）
                  → 質の高い図解コンテンツ

専門分野:         KodeKloud（月15ドル）/ Frontend Masters（月39ドル）
                  → ハンズオン環境で実践力向上

資格対策:         Cantrill / Udemy セール時購入
                  → 資格取得で市場価値を明確化

月間予算配分の例（月2万円）

プレミアム予算（月5万円以上）

時間を買う戦略。最短距離でスキルアップを目指す。

コーディング面接:  LeetCode Premium + AlgoExpert（年99ドル）
システムデザイン:  ByteByteGo + Grokking（Educative）
有料コース:       Epic React / Joy of React / Zero To Production
メンタリング:     MentorCruise / Codementor で月1-2回
資格対策:         Cantrill + KodeKloud + 模擬試験
クラウド:         AWS / GCP 実験用アカウント

プレミアム戦略の特徴

• 複数のソースからクロスレファレンスで学ぶ
• メンタリングで方向性の確認とフィードバック
• 実環境での経験を積むためのクラウド費用
• 資格取得を加速させる複数のプラットフォーム利用

12. まとめ：今すぐ始める4週間プラン

ここまで膨大なリソースを紹介したが、大切なのは「始めること」だ。完璧な計画を立てるよりも、不完全でも今日から動き出す方がはるかに価値がある。

4週間キックスタートプラン

Week 1: 現状分析と環境構築

• 目標とするポジションのJDを5つ以上収集
• Required / Nice to Have を分類し、自分のギャップを明確化
• 開発環境のセットアップ（エディタ、ターミナル、Git）
• LeetCodeアカウント作成、Easy問題を3問解く

Week 2: 基礎固め開始

• 選択した専門分野の公式チュートリアルを開始
• LeetCode 毎日1問（配列・ハッシュマップ中心）
• GitHubプロフィールREADMEの作成
• 技術ブログを1本執筆（学習記録でもOK）

Week 3: 実践プロジェクト着手

• 小規模なプロジェクトを一つ開始
• GitHubリポジトリを公開設定で作成
• READMEにプロジェクト概要と技術スタックを記載
• LeetCode 毎日1問 + 前日の復習

Week 4: 習慣の確立

• プロジェクトの基本機能を完成させる
• デプロイまで実施（Vercel, Railway, Fly.io 等）
• 1ヶ月の振り返りと翌月の計画策定
• コミュニティへの参加（Zenn, Qiita, X, Discord）

学習を継続するためのコツ

1. 毎日少しでも触れる: 30分でもいいからコードを書く。習慣化が最重要
2. アウトプット駆動: 学んだことをブログやSNSで発信する。教えることで理解が深まる
3. コミュニティに参加する: 一人で学ぶより、仲間がいる方が継続しやすい。Zenn、Qiita、X（旧Twitter）のエンジニアコミュニティを活用しよう
4. 完璧主義を捨てる: 完璧なコードを書くよりも、動くものを作って改善するサイクルが大切
5. 定期的に振り返る: 月に一度、学習の進捗を振り返り、計画を調整する

日本のエンジニアコミュニティ

• Zenn: 技術記事の投稿・共有プラットフォーム。Bookを使った連載形式の発信も可能
• Qiita: 日本最大のエンジニア向け技術共有サービス
• connpass: 勉強会・イベントの検索と参加
• MENTA: エンジニアメンタリングプラットフォーム
• bosyu / Yenta: カジュアル面談マッチングサービス
• X（旧Twitter）: 日本のエンジニアコミュニティが最も活発な場所の一つ

技術の世界は常に変化し続ける。しかし、基礎を固め、継続的に学び、実践を通じてスキルを磨くという原則は変わらない。このガイドが、あなたのキャリアの次のステップへの道標となることを願っている。

今日が、あなたの新しい学習の1日目だ。

クイズ

参考資料

• roadmap.sh - Developer Roadmaps（分野別の学習ロードマップ）
• coding-interview-university（GitHub - jwasham）
• system-design-primer（GitHub - donnemartin）
• tech-interview-handbook（GitHub - yangshun）
• Designing Data-Intensive Applications - Martin Kleppmann（O'Reilly）
• System Design Interview - Alex Xu（Volume 1 and 2）
• NeetCode.io - Coding Interview Preparation
• ByteByteGo - System Design Newsletter and Course
• fast.ai - Practical Deep Learning for Coders
• Data Engineering Zoomcamp（GitHub - DataTalksClub）
• LangChain Documentation（python.langchain.com）
• Model Context Protocol Documentation（modelcontextprotocol.io）
• AtCoder - 競技プログラミングコンテスト
• Zenn - エンジニアのための情報共有コミュニティ