研修内容

データサイエンティストとして分析結果を統計的に正しく理解し、適切な意思決定支援を行うために必要なスキルをケーススタディを通じて学んでいきます。
データ分析の各プロセスに従いながら、モデル（予測、分類、連関、時系列）の作成方法や評価方法について、基本的な一連の流れを身につけることができます。総合演習では、受講生が自社の分析担当者になった想定でデータを分析し、実際に販売促進案を作成、プレゼンテーションを実施します。
本講座で使用するPythonは、オープンソースのプログラミング言語で統計解析やデータ分析で使われる様々な手法や機能がパッケージとして提供されています。大規模データや分散処理システムへの対応も行われており、データサイエンティストにとって必須ツールの一つと言えます。

PART1
【講義】
・データ分析プロセスにおけるPythonとJupyterLab
・Pythonによる代表値の計算
　－データを表す様々な数値
　－データの種類（尺度水準）
・Pandasによるデータの集計・加工
　－パッケージのインストール
　－データ読込・表示
　－データ抽出
　－データ集計
　－並び替え
　－列の追加
　－データ整形
　－データ保存
【ミニ演習】
・データ抽出、集計および統計量の算出

PART2
【講義】
・matplotlabによる可視化
　－データの可視化：グラフの種類と用途
　－棒グラフ
　－ヒストグラム
　－箱ひげ図
　－時系列プロット
　－散布図
【ミニ演習】
・データ抽出、集計および各種グラフの作成

PART3
【講義】
・統計的仮説検定
　－統計的仮説検定とは？
　－P値の求め方：カイ二乗検定を例に
　－t検定の例
　－分散分析の例
　－多重比較
　－検出力
【講義】
・回帰分析
　－回帰分析
　－家賃を例にした回帰分析
　（単回帰から重回帰へ）
　－ロジスティック回帰
　－回帰の呼び方の整理
【ミニ演習】
・回帰分析の実行及び結果の解釈と予測値の算出
【講義】
・その他の分析
　－クラスタ分析
　－アソシエーション分析（連関規則）
　－時系列解析

PART4
【総合演習前半】
・新規事業の担当者として、
　レシートデータの分析から、取引先への販促施策の提案を作成
　－ロジックツリーを用いた分析設計
　－データ抽出、集計、統計量算出による現状把握
　－仮説の構築と分析課題の整理
・中間発表

PART5
【総合演習後半】
　－仮説検証のための分析
　－課題の要因探索
　－モデル作成など
　－分析結果に基づく提案プレゼン資料の作成
・最終発表
・講師評