データサイエンティスト育成講座
Python基礎・機械学習入門

お問い合わせ

プログラム概要

Pythonを使ったデータの処理・分析とグラフ作成、機械学習の基本的なスキルが身につきます。

対象者	AI・機械学習プロジェクトを推進する方
メリット	Pythonの基本的な文法と、機械学習の代表的なアプローチを学んでいただけます。このプログラム終了後には、さらに専門的な講座の受講が可能となります。
受講料	受講人数に応じて、お見積りを作成いたします
受講前提	プログラム経験のある方
学習目標	Pythonによるデータ集計と機械学習の基本的な手法を身につける

カリキュラム

Python基礎講座

演習	・データ分析環境について　⚪︎Pythonについて　⚪︎Anacondaについて　⚪︎Jupyter Notebookとは　⚪︎Jupyter Notebookの基本操作・Python文法基礎　⚪︎コメント　⚪︎画面への出力　⚪︎データ型：数値、文字列、ブール値、リスト、タプル、辞書型　⚪︎変数　⚪︎演算：加減乗除　⚪︎制御文：if文、while文・ライブラリの読み込み・Pythonでデータハンドリング　⚪︎pandasとは　⚪︎Series / DataFrameの利用　⚪︎データの確認　⚪︎Column / Indexの操作　⚪︎データの抽出　⚪︎データのソート　⚪︎データの結合　⚪︎データの集約処理　⚪︎重複除外 / 欠損値補完・Pythonによる可視化　データ可視化の意義　⚪︎可視化の目的とグラフ種類　⚪︎ヒストグラムの作成　⚪︎棒グラフの作成　⚪︎散布図の作成　⚪︎折れ線グラフの作成　⚪︎pandasとMatplotlib ・総合演習：pandas / Matplotlibドリル・データハンドリング + 可視化ケーススタディ　⚪︎新規ユーザー向けプロモーションの影響を分解する　⚪︎セグメントユーザー数減少の原因を明らかにする
講義時間	２日間 ※ご要望によって、短縮版、拡大版のご提供が可能です
受講料	6名までの場合：800,000円（税抜） ※受講人数に応じてお見積りいたします ※講座内容はカスタマイズ可能です。カスタマイズの際は別途お見積りいたします。

機械学習入門

演習	・機械学習とは・機械学習を用いたデータ分析の流れ・データ前処理　⚪︎欠損値補完　⚪︎順序特徴量のマッピング　⚪︎名義特徴量のエンコーディング　⚪︎正規化・標準化・モデルの評価　⚪︎回帰問題の評価（決定係数 / MAE / RMSE）　⚪︎分類問題の評価（Confusion Matrix / ROC曲線）　⚪︎モデルの過学習　⚪︎ホールドアウト / クロスバリデーション・機械学習の実装　⚪︎scikit-learnの概要　⚪︎主なモジュール　⚪︎モデルの実装・機械学習の手法（概要）・回帰分析の手法　⚪︎単回帰、重回帰、罰則項を利用した回帰　⚪︎Lasso回帰 / Ridge回帰 / Elastic Net 　⚪︎SVMを利用した回帰（SVR）・分類の手法　⚪︎ロジスティック回帰、決定木、Random Forest、XGBoost 　⚪︎クラスタリング　　⚪︎K-Means、DBSCAN、混合ガウス、階層クラスタリング　⚪︎次元削減・圧縮　　▪︎主成分分析（PCA）、Non-negative Matrix Factrization（NMF）　　▪︎t-SNE、UMAP ・精度向上のテクニック　⚪︎パラメータチューニング　⚪︎特徴選択（Lassoを利用 / Random https://datumstudio.jp/analytics-education/Forestを利用）　⚪︎グループ演習：タイタニックデータを用いた生存者予測・不均衡データ分析の概要　⚪︎不均衡データ分析の難しさ　⚪︎不均衡データ分析へのアプローチ　⚪︎不均衡データ分析の実践　　▪︎imbalanced-learn 　　▪︎Random undersampling、Cluster-based undersampling 　　▪︎Random oversampling、SMOTE、SMOTEENN、SMOTETomek 　　▪︎コスト関数の調整・グループ演習
講義時間	３日間 ※ご要望によって、短縮版、拡大版のご提供が可能です
受講料	6名までの場合：1,500,000円（税抜） ※受講人数に応じてお見積りいたします ※講座内容はカスタマイズ可能です。カスタマイズの際は別途お見積りいたします。