概要速習コース(OQC) 現代のデータサイエンス技術のエッセンスを網羅的に深く学びたい方へ
コースの特色
- データサイエンスの基本リテラシーを学んだあと、より進んだデータサイエンスの学習に進み、最先端の学問的話題を含む広範なデータサイエンスの話題を網羅します。
- データサイエンスの技術のエッセンスを短期間で習得する座学のコースです。
こんな方におススメ
- データサイエンスの技術の全体像を短期間で学びたい方
- 理系出身で、データサイエンスの高度な利活用を企画・推進する立場の方
- プログラミングによる実装は不要だが、データサイエンス技術の内容については、網羅的かつ数理的に学びたい方
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」(オンデマンド配信)をコース受講者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 | |
統計学概論(SO) |
|
◆講座の内容◆ 統計の考え方(母集団と標本、統計モデル)/統計的手法(推定、検定、回帰、判別分析)/発展的な話題(偏相関・順位相関、カイニ乗分布、回帰と最尤法) | |
受講時間:1日(3時間) 演習:無 | |
機械学習概論(MO) |
|
◆講座の内容◆ 機械学習の概要:機械学習概要、推測と予測、モデルの概念、各種応用事例/機械学習の各種手法:線形モデル、決定木、勾配ブースティング、深層学習 | |
受講時間:1日(3時間) 演習:無 |
※本コースでは、プログラミング言語を用いた実践演習は行いません。
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