当コースは、これからデータサイエンティストとしてビジネス分析、データ活用を行う方に向けたものです。
学術的な基本統計解析に加え、Excelによる分析関数、分析機能の演習を行い、実務的なビジネス視点でのデータの読み取りを行ないます。
また、機械学習の演習として、クラウド環境で機械学習モデルを構築します。機械学習モデルの基本的なワークフロー作成からモデルの精度検証まで一貫して体験することができます。
データサイエンティストの定義や仕事としてのデータ分析のプロセスについても、ワークショップを通してより実務に近い形で進めます。
□ご受講にあたっては、テキスト閲覧用デバイスをご用意いただくことをお薦めいたします。(2画面環境)
□当コースは演習に Microsoft Excel を使用します。
Excel2016以降のバージョンが使用できるPCをご用意ください。
(2016未満のバージョンの場合、演習が一部実施できません。
講師のデモをご確認くださいますようお願いいたします。)
□2日目にワークショップがあります。マイクが有効なPCでご参加ください。
※開催初日の15日前に開催判断を行いますので、お早めにお申し込みをお願いいたします。
日時 | 場所 | 状況 | 締切日 |
---|---|---|---|
3月3日(月) 〜 3月4日(火) | オンラインクラス | 開催中止 | 2月26日(水) |
3月3日(月) 〜 3月4日(火) | オンラインクラス | 受付中 | 2月26日(水) |
5月15日(木) 〜 5月16日(金) | オンラインクラス | 受付中 | 5月12日(月) |
7月10日(木) 〜 7月11日(金) | オンラインクラス | 受付中 | 7月7日(月) |
9月29日(月) 〜 9月30日(火) | オンラインクラス | 受付中 | 9月24日(水) |
上記概要をご覧ください
ITの基本知識があること。
高校卒業レベル程度の数学が分かることが望ましい。
当コースを修了した時点で、次のことができることを目標とします。
1.データサイエンティストの仕事を理解する
2.統計・解析の基本的考え方を理解する
3.演習データを使い、分析の方向付けができるようになる
1. データサイエンティストとは
・スキル、業務、体制
・データ分析による問題解決プロセス
・データ分析プロセス(記述、予測、最適化)
2. 統計解析の基礎 (座学とExcel演習)
・記述統計
・推測統計
・機械学習
・分析プロジェクトの進め方
3. 機械学習演習 (演習環境はAzure Machine Learning)
・機械学習モデル構築のワークフロー作成
・データ取り込み、データ加工、データ分割
・モデル学習
・予測値算出/精度検証
4. ワークショップ
・AIプロジェクト企画書作成
・分析設計
キャンセル規定 | 受講開始8日前から受講料(購入価格)の50%のキャンセル料がかかります。 また、受講開始0日前(当日キャンセル)から受講料(購入価格)の100%のキャンセル料がかかります。 |
---|---|
受講者メールアドレス | □受講者メールアドレスについて |
テキスト | □テキストについて |
オンラインクラス | □オンラインクラス ※ご受講にあたっては、テキスト閲覧用デバイスをご用意いただくことをお薦めいたします。(2画面環境) |
教室クラス | □教室クラス 開催当日は、教室に電子テキストをダウンロードしたPCをご持参ください。 研修会場では無線LANサービスを提供いたしますが、ご持参されたデバイスの接続を保証するものではありません。 教室クラス利用条件 をご一読いただき、ご同意の上、お申し込みをお願いいたします。 |
演習環境 | □当コースは演習に Microsoft Excel を使用します。 |
※2023年4月よりコースコードが変更になりました。(旧コースコード : DW803)
□オンラインクラスご参加のお客様で、自宅やオフィス以外の場所でのオンライン受講をご希望の方には iLスクエア をご提供いたします。ぜひご活用ください。
データ活用を実ビジネスで展開するには、AIや統計の基礎知識をもったビジネスリーダーが必要です。
データサイエンティストの役割は日々変化しています。
今の時代に求められるデータサイエンティストとはどのようなものかを理解した上で、2日間の最短距離であなたのビジネスにおけるデータサイエンスの適用領域を特定し、分析結果をビジネスに活用できるようになる基本を学ぶコースです。
【お客様の声】
・講師の方は、実際に分析のコンサルティングを実施されている方で、具体的な内容も交えながら説明していただき、非常に実りある時間となりました。
・AIを使ってなんでもできると思っている人は多いが、社内に導入する際に、目標設定を何%に置くかがが重要ということがよく分かった。
・事前の分析の必要性も理解した。
・一度もデータ分析に関する提案書を書いたことがなかったですが、どのようなことを考えて記載してゆけばよいのかがわかりました。
・座学のみではなく、演習・ワークショップを交えながら実施できたので理解しやすかった。
・社内にAIを導入する上での注意点がよく分かった。
・解決すべき課題に対するアプローチ方法をワークショップで体験できたのが良かった。