Event Calendar

Today
04.13 Sat

Event Calendar

イベントカレンダーが入ります。(フェーズ2で対応)

開催告知

テクノロジー

企業向け研修

リスキリング講座
データ分析者育成プログラム Assistantコース

Up Date :2023.05.26

Share

DX推進に不可欠なリスキリング教育において、どこから始めれば良いのかお悩みではありませんか?
このたび株式会社Tokyo Tech Innovationでは、DX人材育成をご検討の企業様向けに、データ分析に必要な知識・スキルを習得できるプログラム
「リスキリング講座 データ分析者育成プログラム」をご用意いたしました。
DX人材として必要不可欠なスキルを網羅し、pythonでの演習を軸とした実践的な講義内容とすることで、
開発・営業・マーケティング等部署を問わず業務にお役立ていただける実践力の高いプログラムとして構成いたしました。
講師は東京工業大学の現役教員が担当し、理系最高峰の大学ならではの高品質な講義をお届けします。
Assistantコースでは、データ分析において必要な基礎数学にはじまり、正確な分析のための適切なデータ処理加工、機械学習に関する基礎的な知識までをカバーいたします。
また、最終回は集大成として、設定された課題に対するモデルの構築、評価、分析結果の解釈をグループワークで行います。
開催形態、開催時間、追加プログラムについてはご相談に応じます。
ご相談、お見積りなどのお問い合わせは下のリンクからお問い合わせください。
東京工業大学講師陣による
リスキリング講座 データ分析者育成プログラム
Assistantコース

var d = document;var link = d.createElement(‘link’);link.href = ‘https://tokyotech-i.co.jp/tti_wp/wp-content/uploads/movies/test.css?ver=1.0.4″‘;link.rel = ‘stylesheet’;link.type = ‘text/css’;var h = d.getElementsByTagName(‘head’)[0];h.appendChild(link);

データ分析に関する全般的な基礎知識を習得し、
大量のデータの正しい理解、用途に応じたデータ整理の方法、データ分析の手法の選定、
分析結果の解釈ができるレベルを目指します。
point-1・演習を軸とした講義内容
データ分析に必要な知識を広範に習得でき、pythonコードを用いてすぐに実践できます。
手を動かす講義構成とすることで、身につきやすさが期待できます。

point-2・グループワークで業務に活かせる知識が身につく
最終回でグループワーク(ケーススタディ)に取り組むことで各々の業務に活かせる知識として身につけることができます。

point-3・講義後もストリーミング配信で何度でも見直しできる!
各プログラム毎に収録した動画をストリーミング配信いたします。
何度でも視聴できますので復習に最適です。

point-4・プログラムの追加も可能!
まずは標準的なカリキュラムでご受講いただくことをおすすめしておりますが、
学びたいトピックのみに絞った講義など、ご希望に応じて講義内容の調整が可能です。

※本カリキュラムは一般社団法人データサイエンティスト協会
2021年度版「スキルチェックリストver.4」Assistant Data Scientist(見習いレベル)
を参考に構成しています。
2021年度版「スキルチェックリストver.4」(エクセルファイルをダウンロードします)

概要
講師: 東京工業大学に在籍する教員
実施方法: オンライン(Zoom)※対面を希望される場合、ご相談に応じます
講義時間目安: 90分
受講人数: 基本は15名としておりますが、増員は可能ですのでご相談ください
受講資格: 特にありません
ご準備頂くもの: ・演習用PC

タブレットPC以外のPCをご利用ください

・講義の進行には

Zoom、SlackGoogle Colaboratoryを使用します。
セキュリティ上などの理由で上記サービスのご利用が難しい場合も対応致しますのでご相談ください。
基本カリキュラム
こちらは標準的なカリキュラムとなります。
ご要望に応じて回数の増減、講義内容の調整、ご希望の項目の追加が可能です。
詳しくはご相談ください。
プログラム名 習得する知識やスキル 主な項目
第1回 基礎数学 統計数理や線形代数、微分積分、
集合理論の基礎知識を習得する
確率、条件付確率、期待値、平均、中央値、最頻値、分散、標準偏差
母平均と標本平均、不偏分散と標本分散、相関関係、因果関係
相関係数、ベクトルの内積、行列の積、行列とベクトルの積、逆行列
固有値、固有ベクトル、偏微分、ベイズの定理
第2回 データ可視化による
データの理解・検証
統計情報について正しく理解するとともに、
データ可視化により適切なデータ分析のための
データ確認・データ理解・意味合いの抽出・洞察
について習得する
基本統計量(代表値・散布度)、時系列データ
データ可視化の重要性・目的の広がり、バラツキ、有意性、分布傾向
目的に応じた図表化、多変量の比較の可視化
外れ値検出(四分位範囲・箱ひげ図)、分析結果の数値の解釈
特異点、相違点、傾向性、関連性
第3回 統計学の基礎知識
~推定・検定~
標本のデータから母集団の特性値を推測する「推定」
及び母集団に関する仮説が統計学的に成り立つかを
判断する「検定」について習得する
点推定、区間推定、帰無仮説、対立仮説、第1種の過誤、第2種の過誤\
p値、有意水準、片側検定、両側検定、t検定(母分散未知)
z検定(母分散既知)
第4回 機械学習の基礎知識 教師あり学習・教師なし学習・過学習などの
機械学習の基本的な概念の理解を習得する
解析手法(決定木、ロジスティック回帰ほか)
機械学習モデルの用途(回帰・分類・クラスター分析)
教師あり学習(回帰・分類)
教師なし学習(クラスタリング・主成分分析)
第5回 データ分析の
基礎知識(1)
~グルーピング~
分析用データの整備を目的として、
予測、グルーピングなどの
モデリングに関する基礎知識を習得する
クラスター分析(教師なし学習:グループ化)
判別モデル(教師あり学習:分類)
階層的・非階層的クラスタリング、デンドログラム
第6回 データ分析の
基礎知識(2)
~回帰・分類~
分析用データの整備を目的として、
予測、グルーピングなどの
モデリングに関する基礎知識を習得する
(単回帰分析)最小二乗法、回帰係数、決定係数
(重回帰分析)偏回帰係数、標準偏回帰係数
線形回帰分析・ロジスティック回帰分析、決定木
次元削減(主成分分析・多次元尺度構成法)
第7回 データ分析の
基礎知識(3)
~モデルの評価~
分析用データの整備を目的として、
予測、グルーピングなどの
モデリングに関する基礎知識を習得する
モデル精度(ROC曲線、AUC)、混同行列、正解率
適合率、再現率、F値、二乗平均平方根誤差(RMSE)
平均二乗誤差(MAE)、平均絶対誤差率(MAPE)、決定係数、t値、p値
第8回 データ加工と
基礎的な分析
基本統計量や分布を確認し、
前処理としてのデータ加工と基礎的な分析を習得する
ヒストグラム、散布図、選択バイアス、標本誤差
サンプリング、外れ値・異常値・欠損値の検出
除去・変換、標準化、特徴量エンジニアリング
第9回 機械学習モデル
の構築
過学習・汎化性能などの
機械学習モデル構築に必要な基本的な知識を習得する
過学習、汎化性能、正則化、次元の呪い、アノテーション
ホールドアウト法、交差検証法、ニューラルネットワーク
アンサンブル学習、勾配ブースティング
第10回 総合課題 これまでに習得した知識等を基に、
分類モデル・回帰モデルの評価
及び分析結果の解釈に取り組む
(例)新たな購買層を探る分類モデル
(例)売上を予測する回帰モデル
このプログラムについてのお問い合わせ
株式会社 Tokyo Tech Innovation データ分析者育成プログラム担当
〒152-8550 東京都目黒区大岡山2-12-1 T-3 (東工大蔵前会館3F)
TEL 03-6425-7305 / FAX 03-6425-7306
mail : CONTACTページメールフォームからお送りください
営業時間:8:30~17:30 (土日祝を除く)
日程
未定