- 基本
講座 -
データサイエンティスト養成講座
1講座 90分 / 22,000円(税込) 全12講座
本講座は、データサイエンスをビジネス活用する上で必要とされる「ビジネス力」「データサイエンス力」「データエンジニアリング力」の3つのスキルについて網羅的に学習できる基礎講座です。
これまでデータに触れたことがない方でも理解できる丁寧な解説と、統計ソフトを活用した実践ワークショップを通じて、分析者に必要なビジネスマインドとスキルの両方を身につけることができます。
-
担当/講師:菅 由紀子データサイエンス翻訳家育成
基礎講座
データサイエンス、ロジカルシンキングとは
正しく課題を認識し、ロジカルにアプローチを設計することはデータを用いた問題解決で最も重要なスキルです。
ロジカルに相手を説得する方法、分かりやすく書くスキルなどを身につけます。
プログラミング基礎
Pythonの基礎
データ分析の際に使用するプログラミング言語、Python(パイソン)の基本構文を学びます。
統計学・データ分析の基礎
統計学とデータ分析の基礎、データの見方
統計学とは何か、データサイエンティストになるためにはどのような力を身に付けるべきなのか。
データを見る時に注意すべきことなど、日常の事例を用いて考察します。
平均値、中央値、最頻値などの代表値や、それだけで把握できない集団の特性をどのように捉えるか、統計学の基本を学びます。
また、分布の種類や異常値や外れ値の扱い方などについても実例をもとに学びます。
Excelを用いた基礎統計の実習
平均値は集団を表す1つの指標ですが、必ずしも平均がその集団を代表するとは限りません。
また正規分布はあらゆる場面で使われます。正規分布とは何か、どんな性質があり、どうように活用するのか、正規分布を正しく理解します。
機械学習の基礎
機械学習の基礎
AI(人工知能)などの最新テクノロジーの開発や、既存ビジネスのデータを分析し活用するために必要不可欠機械学習の基本的な概要を学習します。
機械学習の手法 教師あり学習
教師あり学習の基本的な技術である「回帰」について学びます。
機械学習の手法 教師あり学習2
教師あり学習のなかでも分類、認識によく用いられる手法である決定木、ランダムフォレスト、サポートベクターマシン(SVM)などについて学びます。
機械学習の手法 ディープラーニングの基本
AI(人工知能)など最新のテクノロジーに不可欠なディープラーニングの基本を学びます。
機械学習の手法 教師なし学習
教師なし学習のなかでも代表的な手法であるクラスター分析やアソシエーション分析の基本を学びます。
実データを用いた分析の実習課題
分析課題の設定と分析アプローチ設計
実務を想定したデータセットを用い、与えられた課題に対してどのように分析を行っていくかのアプローチ設計方法を学び、実際のアプローチ計画を立案します。
データ処理・分析の実践
グループ単位でデータ処理・分析の実践を行い、分析レポートを作成します。
課題発表
グループで行った分析結果を発表します。
オプション
Tableauを用いたレポーティング
ビジネスシーンで欠かせないツールであるTableauを使った可視化の基本操作、効率的にレポーティングするスキルを身に着けます。
Excelの基礎
データを分析、可視化を行う際に便利なExcelの機能、その操作方法を学びます。
SQLの基礎
データベースの操作に必要なSQLの基本的な構文を習得し、データ加工を実践的に学びます。
Rの基礎
データ分析に便利なプログラミング言語RとRstudioの基本操作、基本構文を学びます。
マーケティングリサーチ
マーケティングリサーチとは何か。どんな手法があるのか、定性調査と定量調査、マーケティングリサーチ成功のコツ、アンケート調査の実施方法、サンプリングとデータ収集など、リサーチに関する基本的な知識を学びます。
テキストマイニング
テキストマイニングとは何か。形態素解析を体験したり、昨今のビッグデータの分析活用事例などを通じテキストマイニングの可能性を明らかにします。
レコメンデーション
レコメンデーションとは何か。顧客の行動履歴を用いた共起分析の理論やレコメンドエンジンに用いられる種々のアルゴリズムを学びます。
画像認識
各種クラウドライブラリが豊富になり、画像認識も身近なものとなりました。
この講座では、AIに画像を教師データとして与え、学習させる過程を学びます。
Flow受講開始までの流れ
Step1説明会へ参加する
- まずはお気軽にまなべくとるの説明へご参加ください。
説明会では講義の内容だけではなく、個別にデータサイエンスを学ぶ目的をお伺いいたし、最適なコースをご提案いたします。
また、コースの内容やデータサイエンスに関する疑問などございましたら、遠慮なくご質問ください。
説明会へはこちらよりお申込みをお待ちしております。
Step2ご入会
- 4月、10月の開講に合わせてご入会のお手続きを行っております。
その際、受講初日の時間割などもご案内いたします。
Step3受講開始
- 講義内容で分かりにくい点があれば、個別に講師にメールで質問もしていただけます。
Schedule受講スケジュール
年2回講座、4月スタート 10月スタート(10月生)
説明会は開校の2ヶ月前より8週間
No. | 授業日 | 学習内容 |
---|---|---|
1 | 4月11日 | データサイエンスとは何か/ロジカルシンキング/世の中を取り巻く変化 |
2 | 4月25日 | プログラミング基礎 Pythonの基本(Python) またはRの基本構文 |
3 | 5月9日 | 統計学・データ分析の基礎 データの見方 基本統計量、代表値、正規分布、単変量解析 |
4 | 5月23日 | 統計学・データ分析の基本 2変量解析、単回帰分析 Excelを用いた基礎統計の実習 ヒストグラム、相関係数、回帰係数、標準偏差、分散、偏差値を求める |
5 | 6月13日 | 機械学習の基礎 |
6 | 6月27日 | 機械学習の手法 教師あり学習 回帰 |
7 | 7月11日 | 機械学習の基礎 機械学習の手法 教師あり学習 決定木、ランダムフォレスト |
8 | 7月25日 | 機械学習の手法 ディープラーニングの基本 |
9 | 8月8日 | 機械学習の手法 教師なし学習 クラスター分析、アソシエーション分析 |
10 | 8月22日 | 実データを用いた分析の実習課題 分析課題の設定と分析アプローチ設計 |
11 | 9月12日 | 実データを用いた分析の実習課題 データ処理・分析の実践 |
12 | 9月26日 | 実データを用いた分析の実習課題 課題発表 |
※授業の進捗により授業内容が前後する場合がございます。