翻訳を改善する
SEMINAR
Re SKILL
TRAINING
SUPPORT
METHOD
CASE
CONSULTING
RECRUIT
CONTACT
INQUIRY
SEMINAR
セミナー
Re SKILL
Re スキル講座
TRAINING
企業・団体研修
SUPPORT
サポート会員
METHOD
統計分析手法
CASE
分析事例
CONSULTING
コンサルティング
RECRUIT
人材募集
CONTACT
お問い合わせ
INQUIRY
無料相談
03-3265-3908
FAQ
Search
データ分析力養成講座
Ⅰ．実践統計学
（1）データの可視化
1.箱ひげ図
2.ヒストグラム
（2）基本統計量
3.いろいろな平均
4.分散と標準偏差
（3）データの評価の方法
5.標準化（Z値と偏差値）
6.標準正規分布
（4）統計的検定
7.統計的検定とは
（5）2つの平均値の差の検定
8.対応のないｔ検定
9.対応のあるｔ検定
（6）相関分析
10.散布図と積率相関係数
11.交絡要因と偏相関係数
（7）回帰分析
12.回帰分析のしくみ
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
提出課題1
Ⅱ．Rによる統計学（入門編）
（1）Rとは
1.Rとは
2.Rのパッケージと操作方法
3.ディレクトリーとデータの取り込み
（2）基本統計量とデータの可視化
1.基本統計量
2.データの可視化とヒストグラム
3.棒グラフ
4.箱ひげ図
5.散布図
6.演習
（3）パラメトリック検定
1.検定とは
2.一標本ｔ検定
3.二標本ｔ検定
4.対応のある二標本検定
5.ｔ検定・演習
6.分割表の検定
（4）ノンパラメトリック検定
1.ウィルコクソンの順位和検定
2.演習
3.ウィルコクソンの符号付順位和検定
4ノンパラメトリック検定演習
（5）相関関係
1.相関関係
2.偏相関関係
3.順位相関関係・演習
提出課題2
提出課題2
Ⅲ．Rによる統計学（実践編）
（1）線形回帰分析
1.線形回帰分析
2.標準化回帰分析
3.回帰分析演習
4.ダミー回帰分析
5.交互作用
（2）ロジスティック回帰分析
1.ロジスティック回帰分析とは
2.演習
（3）主成分分析
1.主成分分析とは
2.演習
（4）クラスター分析
1.クラスター分析とは
2.演習
提出課題3
提出課題3
Ⅳ．PythonによるAI手法
（1）AIの基礎知識
1.AIの基礎知識
2.機械学習とは
3.AI・機械学習・ディープラーニングの違い
4.機械学習の手法
5.Google Colaboratoryの使い方
（2）Pythonの基礎（1）
1.算術演算、比較演算、論理演算
2.Print関数、コメントアウト、空白について
3.変数
4.データ型1（int,float,bool）
5.データ型2（str）
（3）Pythonの基礎（2）
1.データ型3（リスト、ダブル、辞書）
2.if文
3.for文
4.while文
5.関数
6.組み込み関数
（4）Pythonの基礎（3）
1.クラス
2.継承
3.モジュール、パッケージ、ライブラリー
4.import文
演習編1 Pythonの基礎
演習編1 Pythonの基礎
提出課題4（演習編1の課題）
提出課題4（演習編1の課題）
（5）Pythonの応用（1）
1.numpyとは
2.ndarray
3.基本的な演算
4.インデックス、スライス
5.2次元配列
（6）Pythonの応用（2）
1.pandasとは
2.ファイルの読込み
3.DataFrameの基本操作
4.抽出と代入
5.欠損値（Nan）
（7）Pythonの応用（3）
1.matplotlibとは
2.グラフを表示
3.グラフの詳細設定
4.seaborn
5.相関係数とヒートマップ
演習編2 Pythonの応用
演習編2 Pythonの応用
提出課題5（演習編2の課題）
提出課題5（演習編2の課題）
（8）教師あり学習（1）
1.機械学習とは
2.単回帰分析
3.重回帰分析
4.重回帰モデルの解釈
5.ロジスティック回帰
6.ラッソ回帰、リッジ回帰
（9）教師あり学習（2）
1.K近傍法
2.サポートベクターマシン
3.決定木
4.ランダムフォレスト
5.勾配ブースティング決定木
6.まとめ
（10）教師なし学習
1.教師なし学習とは
2.クラスタリング
3.次元削減
4.アソシエーション分析
（11）モデルの検証とチューニング
1.評価指標
2.モデルの評価方法
3.エンコーディング
4.アンサンブル
5.ハイパーパラメータチューニング
6.機械学習の流れ
演習編3 教師あり学習・教師なし学習
演習編3 教師あり学習・教師なし学習
提出課題6（演習編3の課題）
提出課題6（演習編3の課題）
（12）SQL
1.データベースとSQL
2.SELECT(1)
3.SELECT(2)
4.CRUD
5.テーブル操作
6.JOIN
（13）画像処理
1.画像データ
2.画像処理
3.深層学習モデルの概要
4.画像分類
5.物体検出
（14）自然言語処理
1.自然言語処理とは
2.形態素解析
3.Bag-of-Words
4.コサイン類似度
5.tf-idf
6.Word2Vec
7.BERT
（15）WebスクレイピングとWebAPI
1.Webスクレイピング、WebAPIとは
2.HTML
3.Beautiful Soup
4.CSS
5.OpenAI API
（16）Webアプリ作成
1.Streamlitとは
2.セットアップ
3.機能紹介（1）
4.機能紹介（2）
5.機能紹介（3）
6.デプロイ
（17）音声処理
1.音声処理とは
2.波形データの可視化
3.スペクトログラム
4.音声認識
5.テキスト音声合成
（18）異常検知
1.異常検知とは
2.ホテリングのT^2法
3.One-Class SVM
4.ｋ近傍法
5.オートエンコーダー
演習編4 機械学習WEBアプリの作成
演習編4 機械学習WEBアプリの作成
Ⅴ．ｵｰﾌﾟﾝﾃﾞｰﾀによる実践演習
（1）イントロダクション
（2）テーブルデータの分析
1.データの整形
2.欠損値とデータ型の確認
3.分布の確認
4.地図上の可視化
5.相関係数
6.重回帰モデル
（3）人流データの分析
1.人流データとは
2.データ構造の理解
3.データの結合①
4.データの結合②
5.コロナ禍の影響の分析①
6.コロナ禍の影響の分析②
（4）機械学習の流れ
1.心臓発作のリスク予測
2.銀行口座の解約予測
（5）スパムSMSの分類
1.データの理解
2.EDA
3.スパムSMS分類モデルの構築
4.tf-idf
（6）画像処理
1.YOLO
2.物体検出
3.セグメンテーション
4.画像分類
5.姿勢推定
Ⅵ．プレゼンテーション
プレゼンテーション
< All Topics
Top
データ分析力養成講座
Ⅱ．Rによる統計学（入門編）
提出課題2
提出課題2
投稿日
2023年5月19日
更新日
2023年5月24日
Table of Contents
