マーケティングデータサイエンティスト育成講座

オリエンテーション

オリエンテーション

A実践統計学

1. 箱ひげ図
2. ヒストグラム
3. 平均
4. 分散と標準偏差
5. 標準化
6. 標準正規分布
7. 統計的検定とは
8. 対応のないt検定
9. 対応のあるt検定
10. 散布図と積率相関係数
11. 交絡要因と偏相関係数
12. 回帰分析の仕組み
13. 単回帰分析
14. 重回帰分析
15. 標準偏回帰係数
16. 説明変数同士に相関がある場合
17. ダミー変数を用いた分析
提出課題1
受講後アンケート1

BPythonによるデータ解析入門

1.1. pythonとColaboratoryの基礎
2.1. データの種類(量的・質的)
2.2. 変数とデータの型
2.3. 関数/メソッドとライブラリ
3.1. NumPyとアレイ
3.2. Pandasとデータフレーム
4.1. 基本的な計算
4.2. 代表値・散布度
4.3. 四分位とdescribe
4.4. グループ用変数がある場合のデータフレームの計算
4.5. 度数データとクロス集計
5.1. グラフ作成準備matplotlibについて
5.2. ヒストグラムの作成
5.3. 棒グラフの作成
5.4. 散布図の作成
5.5. 箱ひげ図
6.1. ピアソンの積率相関
6.2. 線形回帰分析(単回帰)
6.3. 線形回帰分析(重回帰)
提出課題2
受講後アンケート2

CPythonによるビッグデータ解析

0.1. ビッグデータと機械学習
1.1. 配列データの扱い(発展)
1.2. ドライブのマウントとデータの取り込み
1.3. データフレームの扱い(発展)
1.4. データの確認
1.5. 外れ値・異常値の処理
1.6. 欠損値の処理
1.7. データフレームの結合・削除
1.8. データの置換・転置
1.9. one-hot encodingとダミー変数
1.10. データの基準化
2.1. ライブラリ内のサンプルデータ
2.2. Pandasを使用したグラフの生成
2.3. 複数のグラフの同時生成 (Pandas/Seaborn)
3.1. Anscombeデータ事例における相関の誤り
3.2. 線形回帰分析(標準化回帰)
3.3. 多重共線性とVIF値
3.4. 線形回帰分析(残差)
4.1. 機械学習とは
5.1. 決定木(教師あり)
5.2. k-means(教師なし)
提出課題3
受講後アンケート3

D実践力の養成１

0.1. モデルとモデルの状態(過学習/過少学習)
1.1. 質的な変数を説明変数とした線形回帰
1.2. 多項式回帰
1.3. 決定木回帰
1.4. kNN(K-Nearest Neighbors)回帰
2.1. 決定木(分類)
2.2. ロジスティック回帰
2.3. kNN(K-Nearest Neighbors)分類
2.4. SVM(サポートベクターマシン)
3.1. k-means法
3.2. 階層クラスター
3.3. 主成分分析
4.1. モデルの評価指標
4.2. クロスバリデーション(K分割交差検証)
受講後アンケート4

E実践力の養成２

1. イントロダクション
2.1. データの整形
2.2. 欠損値とデータの確認
2.3. 分布の確認
2.4. 地図上の可視化
2.5. 相関係数
2.6. 重回帰モデル
3.1. 人流データとは
3.2. データ構造の理解
3.3. データの結合①
3.4. データの結合②
3.5. コロナ禍の影響の分析①
3.6. コロナ禍の影響の分析②
受講後アンケート5

F実践力の養成３

4.1. 心臓発作の予測
4.2. 銀行口座の解約予測形
5.1. データの理解
5.2. EDA
5.3. スパムSMS分類モデルの構築
5.4. tf-idf
6.1. YOLO
6.2. 物体検出
6.3. セグメンテーション
6.4. 画像分類
6.5. 姿勢推定
受講後アンケート6

G実践力の養成４

0.はじめに
1.1.なぜ調査設計が必要か？
1.2.一般的な調査の分類
1.3.データの収集方法
1.4.アンケートの構成と体裁
1.5.質問の並べ方と配置のルール
1.6.避けるべき質問・注意の必要な質問
1.7.ワーディング（言葉遣い）
1.8.選択回答法
1.9.自由記述法
1.10.データの整理
2.1.アンケートの集計・統計分析
2.2.RESEARCH QUESTION1
2.3.RESEARCH QUESTION2
2.4.RESEARCH QUESTION3
2.5.事例を使った演習
受講後アンケート6

H実践力の養成５

1.1. プロットによる観察
1.2. 時系列分析
1.3. 時系列データでの回帰分析
1.4. 様々な事例での回帰分析
2.1. 統計的意思決定法
2.2. 階層化意思決定法
2.3.違いの大きさの判断方法
2.4. 相関分析
受講後アンケート7

I実践力の養成６

0. はじめに
1. t検定
2. ノンパラメトリック検定
3. 相関分析
4. 重回帰分析
5. ロジスティック回帰分析
受講後アンケート8

J実践力の養成７

0.はじめに
1. 効果検証の実務と理論
2.1. 施策効果の分析とバイアス
2.2. ABテストの導入と設計
2.3. サンプル事例を用いた演習
3.1. ABテストの種類と課題
3.2. クラスターABテスト
3.3. 層化ABテスト
3.4. 処置と割り当ての不一致
3.5. 共変量のコントロール
4. DID
5. RDD回帰不連続デザイン
受講後アンケート9

K課題解決プレゼンテーション

課題解決プレゼンテーション