Pythonを使ったデータサイエンス挑戦コース（DTC）
データサイエンティストの１歩目として、
主要なデータ処理技術を使えるようになりたい方へ
※ 旧文系のためのデータサイエンス挑戦コース
コースの特色
- データサイエンスの考え方、活用方法、各種技術などを体系的に学んだあと、実践的な適用スキルを習得します。
- 数学をなるべく使わずに、データサイエンスの本質とその適用スキルを分かりやすく学ぶことができます。
- 主要なデータ処理技術について体系的に学び、実際にデータを処理する演習を通して適用スキルを身につけます。
- Python初学者のためのPython入門講座を通じてプログラミングを学べます。
- Python入門講座の受講後は、Eラーニングにて復習いただけます。
こんな方におススメ
- AIやデータの活用について基本的な知識はあるが、もう少し具体的に学びたい方
- エクセルで集計する以上のデータ分析力を身につけたい方
- 文系出身で数学は苦手だが、データサイエンティストとして統計や機械学習を扱えるようになりたい方
- プログラミング未経験でPythonでのプログラミングを学びたい方
数学レベル
- 高校までの文系数学について、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。ご希望の方は全員無料で受講いただけます。
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 | |
| Python入門講座（PI） |
|
| ◆講座の内容◆ 基本的な計算／変数・関数／文字列-リスト-辞書／分岐と繰り返し／numpy・pandas・scikit-learn／モジュール・パッケージ・ライブラリ | |
| 受講時間：1日（3時間） 演習：有 | |
| 統計分析入門（SI） |
|
| ◆講座の内容◆ Pythonによるプログラミングとデータの要約、確率変数／母集団、標本、点推論と区間推理(信頼区間)／モデリングと回帰分析／判別分析 | |
| 受講時間：２日（6時間） 演習：有 | |
| 機械学習入門（MI） |
|
| ◆講座の内容◆ 概論（回帰、判別、クラスタリング、評価基準、前処理等）／教師あり学習（判別）／教師あり学習（回帰）／教師なし学習（クラスタリング）／教師なし学習（主成分分析） | |
| 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)を満たされた受講者様には”受講修了証”が発行されます。
1）当コースを全日程受講し、受講講座レポート(アンケート)を提出した方
2）課題を提出して、合格基準に達した方
-
統計分析入門について（荻原 哲平 准教授）
統計学はデータサイエンスを学ぶ上での基礎であり、データを分析して結論を導いたり、現象を予測したりすることを可能にします。統計学の重要なトピックを、講義と実習を通じて実際使えるところまで学んでいただければと思います。（荻原 哲平 准教授） 
-
機械学習入門について（清 智也 教授）
機械学習の基本事項を整理しながら、どのようなことが実現でき、またどのような落とし穴があるのかを見ていきます。イメージと数式の両面から手法の理解を深め、数値的な評価まで踏み込んだ演習を行います。（清 智也 教授） 