データサイエンティスト本格養成コース（DFC） データサイエンスを本格的に学び、高度なデータ分析やAI開発ができるようになりたい方へ
コースの特色
- データサイエンティストとして様々な課題を高いレベルで解決できるようになることを目指して、必要な技法を網羅的に習得します。
- データサイエンスの本質は「統計学」「機械学習」、そしてそれらを支える「最適化手法」です。これらについて、数学的背景をふまえて深く体系的に学び、実践的な演習を行います。
こんな方におススメ
- 様々な課題を高いレベルで解決できるようような本格的なデータサイエンティストを目指す方
- ある程度のデータ分析はできるが、より高いレベルを目指して本格的に学びたい方
- IT関連の技術者だが、AI開発やデータ分析もできるようになりたい方
- 他分野の技術者であるが、データサイエンスを取り入れた新しい開発を行いたい方
数学レベル
- 高校までの理系数学と大学1・2年生レベルの偏微分、積分、行列について、あらかじめある程度知っていることが望ましいです。
※数学に自信のない方向けの「数学講座」を事前に行います。ご希望の方は全員受講いただけます。
内容
| 講座名 | 講座の内容 |
|---|---|
| データサイエンス入門（DI） |
|
| ◆講座の内容◆ データサイエンスの背景／データサイエンスで生み出されるビジネス価値と活用事例／データサイエンスの体系と手法（教師あり学習・教師なし学習など）／深層学習（ディープラーニング）／データサイエンスの留意点／発展的話題と今後の方向性 | |
| 受講時間：1日（3時間） 演習：無 | |
| 情報倫理（IE） |
|
| ◆講座の内容◆ 確立されている論理：研究倫理、一般的情報倫理／これからの確立を待つ倫理：新しい技術にまつわる倫理 | |
| 受講時間：1日（3時間） 演習：無 | |
| 統計分析（S） |
|
| ◆講座の内容◆ Rによるプログラミングとデータの要約／事象と確率変数／母集団と標本、統計モデル／推定と仮説検証／単回帰分析／重回帰分析／主成分分析、多次元尺度構成法／判別分析／時系列解析／実践的総合演習 | |
| 受講時間：7日（21時間） 演習：有 | |
| 機械学習（M） |
|
| ◆講座の内容◆ 概論(回帰・分類、評価方法、検証・交差検証、損失関数、過学習・正則化)／Python入門／教師あり学習1(決定木、サポートベクターマシーン、スパース正則化など)／教師あり学習2(カーネル法、ランダムフォレスト、ブースティングなど)／教師なし学習(密度推定、クラスタリングなど)／ニューラルネット、深層学習／特徴量エンジニアリング／実践的総合演習 | |
| 受講時間：8日（24時間） 演習：有 | |
| 最適化（OP） |
|
| ◆講座の内容◆ 最適化の概要／線形計画／非線形計画／2次計画／凸計画 | |
| 受講時間：3日（9時間） 演習：有 |
※本コースでは、プログラミング言語を用いた実践演習を行います。
受講修了証
発行要件。下記発行要件1) 2) 3)のすべてを満たした受講者には”受講修了証”が発行されます。
1) 当コース全日程を受講
2) 各回終了後の受講レポートを提出
3) すべての課題に合格（合格基準は100点満点中60点以上）
教育訓練給付金制度を利用して受講する場合は、上記修了要件を満たさなければ受講証明書及び専門実践教育訓練修了証明書が発行されません。
-
統計分析について（小池 祐太 准教授）
データから価値を生み出すには、データの解析結果が真に有益な情報を含むかを判断するスキルが必要です。本講座では、その助けとなるツールを提供する統計学の原理について、基本的なデータ解析手法とともに習得することを目指します。（小池 祐太 准教授） 
-
機械学習について（二反田 篤史 ）
機械学習を適切に活用する為には、機械学習で実現可能な事をその仕組みと併せて理解し、その上で各種手法を正しく運用・評価する事が重要です。本講義ではこれらを踏まえた具体的な機械学習の使用法をPython言語を用いて解説します。（二反田 篤史 ） 
-
最適化について（寒野 善博 教授）
データを表現する最良のモデルを見出すことを目標として、データサイエンスの手法の多くは最適化の考え方や解法に立脚しています。この観点から、この講座では、最適化の基本的な考え方を理解し、解法の基礎を身につけます。（寒野 善博 教授） 