データサイエンス基礎講座2019＜Python演習/実践編・春＞ データサイエンス基礎講座2019＜Python演習/実践編・春＞

タイムテーブル

4月3日（水）

19:00～21:30（150分）

1限目講義・演習

Python基礎/確率・統計

【Python基礎】

  • AGENDA（Jupyter-notebook『Hello,world』　
  • Python文法基礎
  • 基礎統計量による分析
  • Pandasの使い方
  • データの可視化

【基礎統計量における分析】

  • 統計学とは
  • 記述統計学
  • 推測統計学
  • 相関分析

【Pandas基礎】

【データ可視化】

4月10日（水）

19:00～21:30（150分）

2限目講義・演習（機械学習）

Python演習 機械学習編

【データハンドリング基礎】

  • データの結合、抽出、グループ化、集計
  • 例題・演習・応用課題

【機械学習概論】

  • 機械学習とは
  • 統計解析と機械学習
  • 機械学習を活かすポイント
  • 機械学習の分類
  • 教師あり学習
  • 教師なし学習
  • 予測モデルの構築と評価
  • ハイパーパラメータの最適化

【教師なし学習】

  • クラスタリングとは
  • データ間の距離の例
  • k-means法（注意点、ビジネス利用の注意点）
  • 演習：クラスタリング（3問程度）

【教師あり学習 － 線形回帰モデル】

  • 線形回帰モデル
  • 線形回帰モデルの考え方
  • 演習：線形回帰モデル、単回帰モデル
  • 演習：重回帰モデル
  • 機械学習におけるモデルの評価
  • 演習：重回帰モデルを用いたオークション価格の予測

【教師あり学習 － ニューラルネットワーク・SVM・ランダムフォレスト】

  • ニューラルネットワークとは
  • SVMとは
  • マージン最大化
  • カーネル法のイメージ
  • ランダムフォレストとは
  • 決定木モデルとは
  • 集団学習とは
  • 演習：ニューラルネットワーク、SVM、ランダムフォレスト
  • 演習課題

4月17日（水）

19:00～21:30（150分）

3限目講義・演習（演習課題提示と各自解答）

【事例演習】機械学習を利用した業務の効率化

【例題1】

不動産相場予測（目的、分析アプローチ、アクション)

【例題2】

IoTセンサーログ故障診断（目的明確化、分析アプローチ、アクション）

【例題3】

『どの商品を買うと、この店舗のファンになってくれるのか』

【例題4】

『楽しさが最大になるチーム編成を作るには、どうすれば良いのか？』

【質疑・応答】

4月24日（水）

19:00～21:30（150分）

4限目演習課題回答・特別講演

まとめ

【事例演習】回答/質疑応答

[前半] 3限目の演習回答・質疑応答

【特別講演】

[後半]
『データサイエンス概論』
講師：DATUM STUDIO株式会社
取締役CAO　里 洋平（さと ようへい）氏

＜講演内容＞
  • データとビジネス
  • 現状とあるべき姿
  • ビジネスにおけるデータ分析の流れ
  • 業務課題へのデータ分析の活用事例

【授業のまとめに際して】
  • ※ 講師・講座内容は予告無く変更される場合があります。予めご了承ください。