• 研修の進捗状況や質疑応答等により、終了時間は前後することがありますので、あらかじめご了承ください。
• 満席になり次第、募集を締め切らせていただきますのでご了承ください。

当トレーニングの注意事項:

• 当日はWEB会議システム（Zoom）を使用してライブオンライン形式で開催いたします。
• 事前学習付きです（お申込完了後ご案内いたします）

• ●プラットフォームへの登録について
• コースへお申込をされますと、同社が管理するプラットフォームに以下の情報が登録されます。
• なお、プラットフォームへ登録された情報は、受講連絡、お問合せ対応、修了状況の確認等に利用いたします。
• 《登録される情報》
• 申込者氏名/申込者メールアドレス/会社名/住所情報/電話番号

• ●セミナー受講規約について
• セミナーの受講に際して株式会社キカガクのセミナー受講規約をご確認ください。
• URL：https://www.kikagaku.co.jp/legal-docs/terms-of-service/seminar
• なお、コースお申し込み完了時点でセミナー受講規約に同意したものとみなします。

• ●必要な環境設備
• Zoom
• 　当日は、ビデオチャットツール「Zoom」を使用いたします。
• 　受講までにZoomアプリツールのインストール・ユーザー登録（無料）をお願いいたします。
• 　https://support.zoom.us/hc/ja/sections/200704559-%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88%E3%83%BC%E3%83%AB
• Google Chrome
• 　ご受講には Google Chrome ブラウザの使用を推奨しております。事前にダウンロードとインストールをお願いいたします。
• 　https://support.google.com/chrome/answer/95346?hl=ja&co=GENIE.Platform%3DDesktop
• Microsoft Excel
• 　講義内では、Microsoft Excel を使用します。以下の資料内で、Excel の環境準備について記載しています。
• 　必ず事前にご確認ください。
• 　https://www.notion.so/goldenrod-wren-7d3/DX-_-35b49fa2adce4521be3d8df8e37da1a5

コース概要:

• 実データを用いた演習形式のデータ分析を通して、統計・数理の基礎知識、データ加工・可視化、解釈・レポーティングを学ぶ講座です。
• 講義のほかに約9時間の事前学習動画がございます。時間に余裕を持ってお取り組みください。

対象者:

このコースは次のような方を対象としています。

• データサイエンスを基礎から体系的に学びたい方
• 課題発⾒や問題解決するためのデータ分析の⼿法を知りたい⽅
• 実データで実践力を身につけ、データサイエンティストを目指す方

到達目標:

本コース修了後、次の事項ができることを目標としています。

• 目的に合わせてデータ加工・可視化ができる
• 探索的データ分析を通して課題を発⾒し、適切なデータ分析、仮説の検証ができる
• 分析結果を正しく解釈し、レポートとしてまとめることができる

修了条件:

• 全日程のコース受講
• 演習課題における分析レポートの提出及び一定基準の達成

前提条件:

• AI に関する基礎知識
• Python を使用した機械学習の基礎実装
• Python による基礎プログラミング
• ※ 上記は事前学習でご用意しています。事前学習の実施は必須となっています。

カリキュラム:

【1日目】

• イントロダクション データサイエンスとは／データ分析の活用方法／データサイエンスの流れ／環境構築
• Python速習 NumPy／Pandas／Matplotlib／seaborn／COVID-19data を用いたデータ操作
• STEP1. 課題設定 データ分析の5step サイクルについて
• STEP2. データの取得・構造化 データの取得方法の紹介／データ概要
• STEP3. 探索的データ分析 記述統計の基礎／Python を用いた探索的データ分析／演習：実データを用いた探索的データ分析
• STEP4. 確証的データ分析 統計的仮説検定の基礎／演習：実データを用いた統計的仮説検定

【2日目】

• Day1 の振り返り
• STEP4. 多変量解析1 相関分析の基礎／回帰分析の基礎／演習：実データを用いた回帰分析
• STEP4. 多変量解析2 主成分分析／演習：実データを用いた主成分分析
• STEP4. 多変量解析3 クラスター分析／演習：実データを用いたクラスター分析
• STEP5. 分析結果の解釈 分析結果の解釈／分析結果の説明・可視化／レポーティング

【3日目】

• Day1, 2 の振り返り
• 分類の分析手法 決定木分析／ロジスティック回帰分析
• 機械学習モデルの説明性 XAI／Tree-based-model／LIME／SHAP
• 効果検証 効果検証／バイアスの問題／セレクションバイアス／ランダム化比較試験／傾向スコア／差の差分析／回帰不連続デザイン
• 総復習 課題設定／5step サイクルの実践／課題解決の施策立案／レポート作成
• 成果発表 分析結果発表／フィードバック／まとめ
• アウトロダクション おすすめ学習書籍やコンテンツの紹介／スキルチェックテスト／アンケート

教材:

• 主催会社より、別途ご案内いたします。