【2ヶ月間徹底】データ分析・機械学習実践講座

日程（12月・1月の毎週土曜日に開講）

講義日程

【Day1】12月 1日(土) 10:00~13:00

【Day2】12月 8日(土) 10:00~13:00

【Day3】12月15日(土) 10:00~13:00

【Day4】12月22日(土) 10:00~13:00

【Day5】 1月 5日(土) 10:00~13:00

【Day6】 1月12日(土) 10:00~13:00

【Day7】 1月19日(土) 10:00~13:00

【Day8】 1月26日(土) 10:00~13:00

※講座の動画を復習用に撮ります。もし参加できない日程がございましても、後ほど共有するようにいたしますので、ご安心ください。

※講義日程とは別に、質問し放題の演習日を8日間設けております。課題や学習の時間としてお役立てください。

※Python3を用いた実践を行いますので、Python3の基本文法は習得済みという前提で講義を進めます

概要

本講座では、実用に耐えるレベルでのデータ分析スキルを習得することを徹底的に考えて、カリキュラムを構成しました。一連の講座を通じて、データの前処理から、実用レベルでの機械学習の実装までを網羅的に学べます。また、各回の講義終了後には動画を共有いたしますので、聞き逃した箇所や理解が難しかった箇所の受講後のキャッチアップも簡単です。

本講座の最大の特徴は「実践」にあります。講座内では、データサイエンティストの指導のもと、多様な実データを用いて分析演習する時間を多く設けております。また、通常の講義日程とは別に、全8回演習のために教室を開放いたします。そこでは、課題の不明点や困っていることを、講師に質問していただくことが出来ます。

また、講座内では毎講義ごとに出題する課題とは別に、2ヶ月間長期的に取り組んでいただく課題を設けております。講義で機械学習の実装に関する知識を身につけながら、こちらに真剣に取り組んでいただくことで、より実践的なスキルを身につけていただきたいと考えております。こちらもつまずいた場合は、是非別日程の演習時間をご活用いただき、積極的に講師に質問をぶつけてみてください！

講座を通じて得られること

・機械学習手法を理解し、適切な場面で適切な手法を利用するスキル

・データを与えられた時に、自力で分析を実装するスキル

・機械学習全般に対する網羅的な理解

カリキュラム

第1回 機械学習の基礎① 回帰・教師なし学習

12月1日

・ 回帰

　・線形回帰分析・非線形回帰分析

　・正則化（Lasso回帰・Ridge回帰）

・教師なし学習

　・次元削減（PCA、SVD）

　・クラスタリング（kMeans）

・通期課題の説明

第2回 機械学習の基礎② 分類

12月8日

・ 決定木

・ランダムフォレスト

・ロジスティック回帰分析

・サポートベクターマシン

・k近傍法

・演習問題

第3回 実用レベルのモデリング

12月15日

・より高精度なモデルを構築するために

　・特徴量の可視化

　・データのスケーリング

　・クロスバリデーションによるハイパーパラメータ最適化

　・過学習防止

・演習問題

第4回 ニューラルネットワークと深層学習

12月22日

・ニューラルネットワークを利用するための前提知識や注意点

・前処理
・単純なニューラルネットワーク

・CNN（畳み込みニューラルネットワーク）

・演習問題

第5回 ケース別演習①

1月5日

・通期課題の中間発表

・実データを用いたケース別の演習と解説

第6回 ケース別演習②

1月12日

・実データを用いたケース別の演習と解説

第7回 ケース別演習③

1月19日

・実データを用いたケース別の演習と解説

第8回 ケース別演習④

1月26日

・実データを用いたケース別の演習と解説

・最終発表

※全日程において自宅課題が出題されます。

※予告なく内容が一部変更になる可能性がございます。

演習日程

演習で教室を開放いたします。演習時は講師に質問をし放題の環境ですので、是非こちらもご利用ください！

・12月 2日(日) 19:00-22:00

・12月 8日(土) 14:00-17:00

・12月16日(日) 14:00-17:00

・12月22日(土) 19:00-22:00

・ 1月 7日(月) 19:00-22:00

・ 1月14日(月) 19:00-22:00

・ 1月21日(月) 19:00-22:00

・ 1月23日(水) 19:00-22:00

こんな人にオススメ

・実用に耐えるデータ分析スキルを習得し、仕事に活かしていきたい方

・Pythonの基礎文法の学習がひと段落し、次のステップに進みたいと考えている方

・Pythonによるデータ分析・機械学習を短期間で体系的に学びたい方

受講するにあたっての前提知識

【必須】

・Python3の基本的な文法（リスト,辞書,if文,for文,関数)とデータ分析ライブラリpandas,numpyの理解

理解に不安がある方は下記の講座を受講していただくか、ご自身で学習をお願いいたします。プログラムを書きながらの実戦形式で進めていきますので、プログラミング力はあればあるほど理解が促進されます。

・【初心者歓迎】Python入門講座

・Pythonデータ分析入門

・Pythonデータ可視化・Numpy入門

【推奨】

・中学レベルの数学と一部統計学の知識があるとなおよし。

随所に数式が登場します。できるだけ噛み砕いて説明するようにいたしますが、数式への抵抗をなくして臨んだ方がより理解が促進されます。下記講座で統計学の基礎から中級レベルまでを網羅しておりますので、関心のある方は是非受講をご検討ください

レベル1：統計学超入門【超基礎編】（ゼロ〜統計検定3級合格レベルまで

レベル2：統計学入門【確率変数・確率分布編】（統計検定2級合格レベル）

レベル3：統計学入門【推定・仮説検定編】（統計検定2級合格レベル）

レベル4：統計学入門【ベイズ・回帰・分割表解析編】（統計検定2級合格レベル）

事前準備

Python3のインストールをお願いいたします。

また、以下のパッケージを当講座では利用します。当日までに動作確認をお願いいたします。

・sklearn

・numpy

・pandas

・matplotlib

・seaborn



Pythonのインストール、パッケージの導入方法についてご不明点あれば、可能な範囲で対応いたしますので、info@to-kei.netまでご連絡ください。

講師

~~~
柳浜万里
京都大学大学院にて、世界初のモデルとなる機械学習を用いた地震予測手法の開発に従事。kaggle(データ分析コンペ)にてメダル獲得経験あり。また実務で深層学習を応用したプロジェクトにも携わる。

励驍彦
早稲田大学大学院経済学部を修了。現在は、データ分析と機械学習のスキルを用いて、各業界のビジネス的な課題を洗い出し、解決するためのモデルの開発及び実装に携わっている。また、社内データサイエンティストを育成するための講師も務める。
~~~

持ち物

・Python3の実行環境をインストール済みのPC(windows Mac)

※インストールでお困りの方はinfo@to-kei.netまでご連絡いただければ、可能な範囲で対応致します。

※講座では「jupyter notebook」を使います。同じ実行環境で受講したい方は、インストールをお勧めします。

※下記リンクでAnacondaをインストールすることで、インストールが可能です。

https://www.anaconda.com/download/

参加費

前払い

114000円

※前払いの方で、やむを得ずキャンセルされる場合は、開催初日の7日前までのご連絡に限り、払い戻し手数料を差し引いた金額を払い戻し致します。以降は払い戻しをできませんのでご注意ください。

領収書について

【Paypalでお支払いの場合】

PayPalの支払い完了ページで「印刷用受領書を見る」をクリックすると表示されるPayPal発行の受領書が領収書となります当社よりの重複しての領収書発行は行えません。

【Stripeでお支払いの場合】

Stripe発行の受領書が領収書となります。当社より重複しての領収書発行は行えません。

受付・入場時間

開始の15分前から

※なるべく5分前までにお入りください。

※途中参加も可能です。

お問い合わせ

イベントに関するお問い合わせは
info@to-kei.net

までご連絡ください。

講座の詳細に関する質問なども受け付けております。

注意事項

・講座内で扱うコンテンツは全て「全人類がわかる統計学」に帰属しています。複製はご遠慮ください。

・個人ブログへの講義コンテンツの掲載はご遠慮ください。

全人類がわかる統計学とは

統計学の学習サイト、全人類がわかる統計学を運営、管理している団体です。統計学とその関連分野について、出来るだけわかりやすく多くの人々に届けるということを目指して活動しています。