これからはじめるデータサイエンス入門 (オンラインLIVE版)【データサイエンティスト入門研修】

新たな知見の導出や業務の効率化を可能にするデータサイエンスは、様々なビジネス課題を解決に導くツールとして脚光を浴びています。
AIや機械学習に代表されるデータ活用の事例が毎日のように報告される昨今、データサイエンスに関する知識や技術は、いまやビジネスパーソンにとって欠かすことのできないスキルの一つとなっています。
本講座では、データサイエンスの基礎知識として、データサイエンスの概要や統計学の初歩を解説するだけではなく、データの見方や特徴の捉え方のコツといった、初学者でもすぐに活用できるノウハウをExcelを通し、プログラミング言語は使わずにご紹介します。
また、単なる座学にとどまらない、実践型の演習を組み込んだカリキュラムは本講座の大きな特徴の一つであり、データサイエンスを身近に感じたい方や、データリテラシーを向上させたい方だけではなく、データ活用を今すぐ始めたい方や、分析結果の効率的な伝え方を学びたい人にも最適な講座です。
提供・運営:株式会社ブレインパッド
まずはお気軽に
コースの特徴
- ● データサイエンティストが実践しているモノの見方をエクセルで体験できる
- ● データサイエンスの全体像を把握できる
- ● データサイエンスを学習するための基本リテラシーが身につく
- ● データ分析に基づくビジネス課題解決の一連のプロセスを体験できる
- ● データ集計/可視化がよりシャープなものとなり、周囲への説得力が増す
資料


コース概要
開講日
2024年06月04日(火)
・1日目 2024年06月04日(火)10:00~17:00
・2日目 2024年06月05日(水)10:00~17:00
2024年09月03日(火)
・1日目 2024年09月03日(火)10:00~17:00
・2日目 2024年09月04日(水)10:00~17:00
※お申込み、日程変更/キャンセル締切日は、コース開始日の12営業日前です。
※提携企業のコースのため、お申込み受付後に満席となった場合はご受講いただけないことがあります。あらかじめご了承ください。
・1日目 2024年06月04日(火)10:00~17:00
・2日目 2024年06月05日(水)10:00~17:00
2024年09月03日(火)
・1日目 2024年09月03日(火)10:00~17:00
・2日目 2024年09月04日(水)10:00~17:00
※お申込み、日程変更/キャンセル締切日は、コース開始日の12営業日前です。
※提携企業のコースのため、お申込み受付後に満席となった場合はご受講いただけないことがあります。あらかじめご了承ください。
コース名
これからはじめるデータサイエンス入門 (オンラインLIVE版)【データサイエンティスト入門研修】
学習目標
・データサイエンスの全体像を理解するとともに、データ分析の基礎的なリテラシーを身につける
・データの集計・可視化を用いた統計リテラシーに基づいて、身の回りの現象を適切に把握し、説明できるようになる
・データに基づく問題解決プロセスを意識したデータ分析プロジェクトを推進できるようになる
・データの集計・可視化を用いた統計リテラシーに基づいて、身の回りの現象を適切に把握し、説明できるようになる
・データに基づく問題解決プロセスを意識したデータ分析プロジェクトを推進できるようになる
受講形式
オンライン研修
・社用PCで参加予定の方は、貴社のセキュリティ上、Zoom・BOXと各講座で必要なソフトウエアを使用できるか事前にご確認の上、お申込みください。
・本コースは株式会社ブレインパッドとの提携コースのため、株式会社ブレインパッドで開催します。
受講に関するご連絡は、株式会社ブレインパッドより行わせていただきます。
・コース実施・運営のため、受講者の個人情報を提携先に提供します。
・個人情報の利用目的等については弊社の個人情報保護ポリシー及び個人情報の取り扱いについてをご参照ください。
・社用PCで参加予定の方は、貴社のセキュリティ上、Zoom・BOXと各講座で必要なソフトウエアを使用できるか事前にご確認の上、お申込みください。
・本コースは株式会社ブレインパッドとの提携コースのため、株式会社ブレインパッドで開催します。
受講に関するご連絡は、株式会社ブレインパッドより行わせていただきます。
・コース実施・運営のため、受講者の個人情報を提携先に提供します。
・個人情報の利用目的等については弊社の個人情報保護ポリシー及び個人情報の取り扱いについてをご参照ください。
受講対象者
・これからデータサイエンスを活用していきたい方
・デジタルトランスフォーメーション(DX)の推進を担当している方
・データ分析を実務で活用するコツを知りたい方
・現業でデータを分析しているが、統計学などの基礎に自信のない方
・データの可視化や集計の勘所を知りたい方
・デジタルトランスフォーメーション(DX)の推進を担当している方
・データ分析を実務で活用するコツを知りたい方
・現業でデータを分析しているが、統計学などの基礎に自信のない方
・データの可視化や集計の勘所を知りたい方
前提スキル
・Excel関数、ピボットテーブルの利用経験があることが望ましい
・Zoom・BOXをご利用いただける方
・Zoom・BOXをご利用いただける方
受講料
1名様 143,000円(税込)
学習想定総時間
2日間
必要環境
【PCの推奨環境】
・OS: Windows 10、Mac OS X (11以降)
・CPU: Core i3以上 (推奨:Core i5以上)
・メモリ:8GB以上(推奨:16GB以上)
・ストレージ:SSD 128GB以上
・Microsoft Office (Excel, PowerPoint ※2016以降)
・安定したインターネット接続環境
・ウェブカメラ、スピーカー(またはイアホン)、マイク
【利用言語・ソフト】
・Microsoft Office(Excel、PowerPoint ※2016以降)
※ビジネスパーソンに最も身近な分析ソフトである「Excel」を使用するため、プログラミング未経験者でも安心してご受講いただけます。
【使用ツール】
・Zoomは研修のライブ配信用に使用しますので必須です。
・BOXは、教材、ソースコード等のダウンロードや総合演習時のチーム内でのファイル共有に利用します。
【推奨環境】
・サブモニターやタブレット。
※電子テキストを別画面で閲覧していただけます
・OS: Windows 10、Mac OS X (11以降)
・CPU: Core i3以上 (推奨:Core i5以上)
・メモリ:8GB以上(推奨:16GB以上)
・ストレージ:SSD 128GB以上
・Microsoft Office (Excel, PowerPoint ※2016以降)
・安定したインターネット接続環境
・ウェブカメラ、スピーカー(またはイアホン)、マイク
【利用言語・ソフト】
・Microsoft Office(Excel、PowerPoint ※2016以降)
※ビジネスパーソンに最も身近な分析ソフトである「Excel」を使用するため、プログラミング未経験者でも安心してご受講いただけます。
【使用ツール】
・Zoomは研修のライブ配信用に使用しますので必須です。
・BOXは、教材、ソースコード等のダウンロードや総合演習時のチーム内でのファイル共有に利用します。
【推奨環境】
・サブモニターやタブレット。
※電子テキストを別画面で閲覧していただけます
解約可能期間
理由の如何にかかわらず、お申込み後のキャンセルは受け付けておりませんので、ご返金いたしかねます。受講料の支払い前にキャンセルされた場合でも、全額ご負担いただきます。やむを得ずキャンセルされる場合には、振り替え受講、または、受講者の変更をお願いしております。振り替え受講可能期間は、申込講座の開催日以降、1年間以内に開催される講座とさせていただきます。
備考
・お勤め先のPCで参加予定の方は、貴社のセキュリティ上、Zoom・BOXと各講座で必要なソフトウエアを使用できるか事前にご確認ください。BOXがご使用できない場合は、メール等にて別途ご相談お願いいたします。
・スピーカー(またはイヤホン)、マイクの代わりに、ヘッドセットをご使用いただくと、より快適に受講いただけます。
・テキストは、PDFデータでの提供となります。快適に受講いただくために、サブモニターやタブレットを用意していただくか、事前に印刷していただくことをお勧めいたします。ダウンロード方法は、株式会社ブレインパッドより開催約1週間前に送付する受講票メールで、お知らせいたします。
※カリキュラム内容は進行の都合により変更になることがあります。
※当コースの無料体験版はございません。
・スピーカー(またはイヤホン)、マイクの代わりに、ヘッドセットをご使用いただくと、より快適に受講いただけます。
・テキストは、PDFデータでの提供となります。快適に受講いただくために、サブモニターやタブレットを用意していただくか、事前に印刷していただくことをお勧めいたします。ダウンロード方法は、株式会社ブレインパッドより開催約1週間前に送付する受講票メールで、お知らせいたします。
※カリキュラム内容は進行の都合により変更になることがあります。
※当コースの無料体験版はございません。
カリキュラム概要
カリキュラム
概要
学習想定時間(h)
PART1
データサイエンスの基礎
データサイエンスの基礎
【講義】60分
・データサイエンスとは
・データサイエンスを学ぶ上で重要なこと
・分析アプローチの分類
・データ分析の目的別分類
・データサイエンスとは
・データサイエンスを学ぶ上で重要なこと
・分析アプローチの分類
・データ分析の目的別分類
1h
PART2
PPDACサイクル
PPDACサイクル
【講義】30分
・PPDACサイクルとは
・過去の販売実績に基づく商品需要予測の例
・PPDACサイクルに見るデータ活用のよくないパターン
・PPDACサイクルとは
・過去の販売実績に基づく商品需要予測の例
・PPDACサイクルに見るデータ活用のよくないパターン
0.5h
PART3
具体的な問題解決アプローチ
データ分析リテラシー/Excelによる演習
具体的な問題解決アプローチ
データ分析リテラシー/Excelによる演習
【講義 / ミニクイズ / 演習】150分
・身の回りにある様々なデータの分類/データの種類(尺度水準)
・データの可視化(分布・比較・関係性・傾向の把握の作成)
・クロス集計表の効果的な活用法(分割表の作成)
・確率分布に基づく判断(A/Bテストから区間推定まで)
・身の回りにある様々なデータの分類/データの種類(尺度水準)
・データの可視化(分布・比較・関係性・傾向の把握の作成)
・クロス集計表の効果的な活用法(分割表の作成)
・確率分布に基づく判断(A/Bテストから区間推定まで)
2.5h
PART4
相関と因果
相関と因果
【講義 / ミニクイズ】60分
・相関と因果の関係
・相関と因果を見分ける(4つの関係性)
・因果、逆因果、偶然、交絡の違い
・因果関係を証明する方法
・相関と因果の関係
・相関と因果を見分ける(4つの関係性)
・因果、逆因果、偶然、交絡の違い
・因果関係を証明する方法
1h
PART5
データから未来を予測する
データから未来を予測する
【講義 / ハンズオン】60分
・データから未来を予測することの意義
・回帰分析によるデータ解析入門 - 不動産価格を回帰分析で説明する
・重回帰分析のハンズオン
・結果解釈上の注意と発展的学習
・まとめ
・データから未来を予測することの意義
・回帰分析によるデータ解析入門 - 不動産価格を回帰分析で説明する
・重回帰分析のハンズオン
・結果解釈上の注意と発展的学習
・まとめ
1h
PART6
総合演習
総合演習
【演習】360分
・ケースに応じたビジネス展開の方向性議論
・問題解決のためのアクションの企画・提案
(Step1)分析課題の構造化(ロジックツリー)
(Step2)現状把握
(Step3)課題の特定
(Step4)提案
(Step5)成果発表/講師評
・ケースに応じたビジネス展開の方向性議論
・問題解決のためのアクションの企画・提案
(Step1)分析課題の構造化(ロジックツリー)
(Step2)現状把握
(Step3)課題の特定
(Step4)提案
(Step5)成果発表/講師評
6h
お支払方法
- ※ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますのであらかじめご了承ください(開催当日の現金でのお支払い、クレジットカードでのお支払いは承っておりません)。参加費は、開催日の5営業日前までにお支払いください。
- ※法人のお客様の場合は請求書払いのご対応も可能です。
FAQ
- 講義は録音、録画できますか?
- 講義の録音、録画はご遠慮ください。
- 受講証を紛失いたしました。受講は可能でしょうか?
- 講座開始日の約1週間前にメールで受講票をお送りいたします。そのメールにWeb会議システム(Zoomなど)のIDとパスワードをお知らせします。IDあるいはパスワードが分からなくなってしまった場合には、受講前日までに株式会社ブレインパッドの担当へご連絡ください。
- 代理人の受講も可能ですか?
- 【対面型講座】
はい、可能です。代理の方が受講される場合には、当日受付にて受講証と代理の方のお名刺をご提示ください。
【オンライン型講座】
はい、可能です。代理の方が受講される場合には、開催当日の2営業日前までにご連絡いただき、会議システムのID/パスワード情報の返却をお願いします。代理受講者の方には事務局より別途、受講要項をご案内します。 - 普段は開発系のエンジニアをしているので、プログラムを書くのは得意なのですが、高校時代は文系、大学時代も経済学部と完全な文系脳のため高校レベルの数学知識は正直なところ怪しいです。そのような私でも受講可能でしょうか。
- エンジニア職の方にも文系出身の方がおられるので、最近はそのような質問も承るようになってきました。一方、理系出身で学生時代に数学が得意だった方でも、社会人になって数学からいったん離れてしまうと、すっかり知識から抜けてしまっているケースが見受けられることもあります。
講座内では、関数、行列、微分積分などディープラーニングの理解に必要となる高校数学程度の知識から復習し、機械学習で使われる数学や統計の理論ともに理解していきます。
何となく数式を覚えて理解するのではなく、数学の基礎の基礎から理解していきますので、単純にコードを書いてモデルを構築するよりも学習効果が高くなると考えています。