| 1 |
Python基礎 |
- Pythonの基本文法(様々なデータ型・制御構文・関数等)を学習
- Numpy, Pandas, Matplotlibの基本的な使い方を学習
|
- Pythonの基礎文法を理解し、仕様から簡単なプログラムを作ることができる
- Numpy, Pandas, Matplotlibの基本的な使い方を理解する
|
有 (練習問題) |
30 |
1～2週目 |
| 2 |
Python応用 |
- 行列計算, データの整形, 可視化などの一般的な方法のPython実装を学ぶ
- Kaggleで公開されているデータなどを例に実際に探索的データ分析のプロセスを体験する
|
- 様々な行列計算をNumpyで実装できる
- Pandasのメソッドを駆使してデータを整形できる
- 分析結果のデータをMatplotlibで適切に可視化できる
|
有 (練習問題) |
30 |
3～4週目 |
| 3 |
統計と機械学習のための数学基礎 |
- 基礎的な統計(記述統計・推測統計の基礎)を学習
- 機械学習で用いられる数学分野の概観とそれぞれの基本を学習
|
- データの種類から適切な記述統計量を計算できる
- 仮説を検証するために必要な手続きを理解できる
- 機械学習で重要となる数学のイメージを説明できる
|
有 (練習問題) |
20 |
5～6週目 |
| 4 |
機械学習概論 |
- 機械学習についてリテラシーレベルから初めて、教師あり/教師なし学習の基本的な手法を一通り学習する
- scikit-learnの基本的な使い方を学習する
|
- 回帰/分類/クラスタリングなどをscikit-learnで実装できる
- 分析の結果を正しく解釈できる
- 分析の精度を適切な評価尺度によって評価できる
|
有 (練習問題) |
60 |
7～11週目 |
| 5 |
SQL / BigQuery |
- SQLの基本文法(SELECT/FROM/WHERE etc…)を習得する
- BigQueryを使いながら、分析関数(WINDOW/OVER)などの高度なクエリの書き方を学ぶ
|
- SQLでデータの取得と基礎的な集計ができる
- BigQueryの料金体系と課金の仕組みを説明できる
- WINDOW/OVER句を用いて簡単な分析ができる
|
有 (練習問題) |
30 |
12～13週目 |
| 6 |
BIツール / Looker Studio |
- データソースを接続してBIツールを活用する方法を学習する
- 適切な可視化方法を選定して有効なダッシュボードを作成する方法を学ぶ
|
- 様々なデータソースをLooker Studioに接続して適切な更新方式を考えることができる
- データの種類に対して適切なグラフ/表を選択することができる
|
無 |
10 |
16週目 |
| 7 |
スクレイピング |
- WEB上からデータを収取する方法や注意点などを学ぶ
- Requests, Beautiful Soup, Seleniumを用いたスクレイピングの方法を学習する
|
- スクレイピングする際の注意事項を説明できる
- WEBサイトの構成から適切なスクレイピングツールを選定できる
- WEB上から欲しいデータを適切な方法で収集できる
|
無 |
15 |
16～17週目 |
| 8 |
分析レポート作成演習 |
- 実際に集めたデータやオープンデータを用いて仮説検証のプロセスを一通り経験する
- SQL/Python/BIツールを組み合わせた実践方法を学ぶ
|
- 検証可能な仮説を立てることができる
- 仮説に対して適切な分析手法を考えることができる
- 生のデータを分析可能な形に成形することができる
- 分析結果を正しく解釈することができる
|
有 (提出課題/ポートフォリオ) |
30 |
18～20週目 |
| 9 |
ディープラーニング概論 |
- ディープラーニングの基礎をリテラシーレベルから初めて、基本的な手法(MLP/CNN/RNN)の実装方法を学ぶ
|
- ディープラーニングで可能なことや注意事項などを説明できる
- 簡単ディープラーニングモデルをフレームワークの力を借りて実装できる
|
有 (練習問題) |
30 |
19～20週目 |
| 10 |
ディープラーニング応用 |
- 画像処理や自然言語処理の問題に対してディープラーニングモデルをどのように適用するかを学ぶ
|
- 画像やテキストといったデータを加工して処理可能な形に成形できる
- ディープラーニングモデルを構築し、意味を理解して適切に利用できる
|
有 (練習問題) |
30 |
21～22週目 |
| 11 |
データ分析アプリ作成入門 |
- 環境構築から始め、Streamlitで簡単なフロントエンド構築を学ぶ
- 学習した機械学習/深層学習モデルと組み合わせて簡単な機械学習Webアプリを作る
|
- Pythonを開発するための基本的な環境を自分で構築することができる
- データ分析を生かしたアプリケーションの作り方を理解し、実装することができる
|
無 |
30 |
23～24週目 |
| 12 |
オリジナルポートフォリオ制作 |
- これまで学習内容を応用してオリジナルポートフォリオを作成する
|
- データの選定/モデル構築/開発を一通りこなすことができる
|
有 (提出課題/ポートフォリオ) |
85 |
24週目以降 |
