スクール紹介
- トップ
- スクール紹介
東大データサイエンススクール
✔ 東大で構築された体系的カリキュラム
✔ 第一線で活躍する東大の講師陣による講義
✔ 真の実力を身につける為に深く本質から学ぶ
当スクールは、東京大学の知見を活かした質の高いデータサイエンス教育を提供するために開設されました。体系化されたカリキュラムと東大講師陣による洗練された講義により、本質を短時間で学ぶことができるようになっています。また、背景にある数学理論を含めて深く正しく学ぶことにより、真の実力を身につけ、データサイエンスを使いこなせるようになっていただくことを目指しています。
各コースの概要
受講目的や職種などに応じてご受講いただけるよう、4つのコースを設置しております。
| 事業者向け | 技術者向け | |
| 概 要 を 学 ぶ |
データサイエンスをビジネスに活用するための知見を学ぶ |
データサイエンス技術のエッセンスを学ぶ |
| 詳 し く 学 ぶ |
データサイエンスの主な技法とその活用方法を演習を交えて具体的に学ぶ |
様々な技法を、数学的背景をふまえて深く理解し、高いレベルで使いこなす方法を学ぶ |
ジェネラルコース 6時間 ￥78,000（税別）
AI・データ活用の時代にビジネスに携わるすべての方向け
【知っていることが望ましい数学レベル】特になし
事業実務者コース 21時間 ￥273,000（税別）
事業を駆動するためのデータサイエンス活用力をなるべく数学を使わずに習得したい方向け
【知っていることが望ましい数学レベル】高校までの文系数学
技術マネジメントコース 12時間 ￥156,000（税別）
最先端を含むデータサイエンス技術の概要を短期間で学びたい方向け
【知っていることが望ましい数学レベル】高校までの理系数学と大学1・2年生の数学の一部（偏微分、積分、行列）
技術実務者コース 55時間 ￥743,000（税別）
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りたい方向け
【知っていることが望ましい数学レベル】高校までの理系数学と大学1・2年生の数学の一部（偏微分、積分、行列）
※ 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。
詳しくはこちらをご覧ください。https://utokyo-ext.co.jp/upload_utex/1877/fileUpload/math.lecture.pdf
各コースの構成
各コースは複数の講座により構成されています。各講座の内容は下記「講座内容」をご参照ください。
| 講座記号 | 講座名 | ジェネラル コース |
事業 実務者 コース |
技術 マネジメント コース |
技術 実務者 コース |
演習 |
| DI | データサイエンス入門 |  |
|
|
|
無 |
| IE | 情報倫理 | |
|
|
|
無 |
| SI | 統計学入門 | |
有 | |||
| SO | 統計学概論 | |
|
無 | ||
| S-1、S-2 | 統計学1&2 | |
有 | |||
| MI | 機械学習実務入門 | |
有 | |||
| MO | 機械学習概論 | |
|
無 | ||
| M | 機械学習 | |
有 | |||
| OP | 最適化 | |
有 |
| 講座記号 | DI | IE | SI | SO | S-1、S-2 | MI | MO | M | OP |
| 講座名 | データ サイエンス 入門 |
情報倫理 | 統計学 入門 |
統計学 概論 |
統計学1&2 | 機械学習 実務入門 |
機械学習 概論 |
機械学習 | 最適化 |
| ジェネラル コース |
|
|
|||||||
| 事業 実務者 コース |
|
|
|
|
|||||
| 技術 マネジメント コース |
|
|
|
|
|||||
| 技術 実務者 コース |
|
|
|
|
|
|
|
||
| 演習 | 無 | 無 | 有 | 無 | 有 | 有 | 無 | 有 | 有 |
単科講座
データサイエンス入門
(講座記号：DI)
2コマ
￥43,200（税別）
受講の目的・目標
データサイエンスに関する社会状況や技術の概要を俯瞰しつつ、データサイエンスがビジネスにどのように活かせるのかを学ぶ。短時間でデータサイエンスの全体像を把握することを目的とする。
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
情報倫理
(講座記号：IE)
2コマ
￥43,200（税別）
受講の目的・目標
データサイエンスやAI等、第4次産業革命の進展に伴う新たな倫理上の諸問題を概観し、色々な事例を踏まえ考察を行う。
講座の内容
確立されている倫理：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
統計学入門
(講座記号：SI)
4コマ
￥86,400（税別）
受講の目的・目標
統計学の基礎を出来るだけ数式を用いない中で学ぶ。Rによる演習を行う。データ解析の問題を専門家を含む関わるメンバーに説明出来ることが目標。
講座の内容
R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、点推定と区間推定（信頼区間）
モデリングと回帰分析
判別分析
統計学概論
(講座記号：SO)
2コマ
￥43,200（税別）
受講の目的・目標
統計学の概略を学ぶ。統計学の考え方、代表的な統計的手法の大枠を理解し、評価、意思決定を行う為の基礎を身につけるのが目標。
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
統計学1＆2
（講座記号：S-1・S-2）
11コマ
￥247,500（税別）
受講の目的・目標
統計学を数学的知識に基づいて理解し、実践的な演習を通して学習する。各回の講義は、事前学習、事前学習を前提とした演習、学習した内容のポイントの解説、宿題からなる。演習ではRを使用する。講義を受講した後、数学的な知識に基づいた統計的な判断が可能になることが目標。
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
推定と仮説検定
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
一般化線形モデル
機械学習実務入門
(講座記号：MI)
6コマ
￥129,600（税別）
受講の目的・目標
機械学習の基本的な内容を理解し、簡単な機械学習の例題を解く経験を通じて機械学習に関する業務提案が理解出来るようになるのが目標。Rによる演習を行う。
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）
機械学習概論
(講座記号：MO)
2コマ
￥43,200（税別）
受講の目的・目標
機械学習技術の最先端を眺めるとともに機械学習によってどのような分析が可能か、また利用にあたってどのような考え方が重要かを学ぶ。
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
機械学習
(講座記号：M)
12コマ
￥270,000（税別）
受講の目的・目標
機械学習を数学的知識に基づいて理解し、実践的な演習を通して習得する。Pythonによる演習を行う。講義を受けた後、機械学習による基本的な業務を実施出来るようになることが目標。
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
最適化
(講座記号：OP)
6コマ
￥135,000（税別）
受講の目的・目標
データ分析の手法の多くに考え方や解法が用いられている最適化の基本的な概念や計算法を、数学的知識に基づいて理解する。Pythonによる演習を行う。
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
お問い合わせ
お問い合わせ先
contact@utokyo-ext.co.jp