原文

01．実践統計学

• 01．データの可視化

  • 1.箱ひげ図
  • 2.ヒストグラム

• 02．基本統計量

  • 1.いろいろな平均
  • 2.分散と標準偏差

• 03．データの評価の方法

  • 1.標準化（Z値と偏差値）
  • 2.標準正規分布

• 04．統計的検定

  • 1.統計的検定とは

• 05．2つの平均値の差の検定

  • 1.対応のないｔ検定
  • 2.対応のあるｔ検定

• 06．相関分析

  • 1.散布図と積率相関係数
  • 2.交絡要因と偏相関係数

• 07．回帰分析

  • 1.回帰分析のしくみ
  • 2.単回帰分析
  • 3.重回帰分析
  • 4.標準偏回帰係数
  • 5.説明変数同士に相関がある場合
  • 6.ダミー変数を用いた分析

• 提出課題1

  • 提出課題1

02．Rによる統計学（入門編）

• 01．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

• 02．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

• 03．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

• 04．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

• 05．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

03．Rによる統計学（実践編）

• 01．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

• 02．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

• 03．主成分分析

  • 1.主成分分析とは
  • 2.演習

• 04．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

04．PythonによるAI手法

• 01．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

• 02．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）

• 03．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

• 04．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

• 05．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

• 06．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）

• 07．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

• 08．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

• 09．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

• 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.Twitter 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T2法
  • 3.ｋ近傍法
  • 4.one-class SVM
  • 5.オートエンコーダー

• 提出課題4（演習編1の課題）

  • 提出課題4（演習編1の課題）

• 提出課題5（演習編2の課題）

  • 提出課題5（演習編2の課題）

• 提出課題6（演習編3の課題）

  • 提出課題6（演習編3の課題）

• 演習編1　Pythonの基礎

  • 演習編1　Pythonの基礎

• 演習編2　Pythonの応用

  • 演習編2　Pythonの応用

• 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

• 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

05．ｵｰﾌﾟﾝﾃﾞｰﾀによる実践演習

• 01.オープンデータとは
• 02.オープンデータの加工
• 03.政府統計のデータ活用
• 04.自治体ポータルサイトからデータ活用
• 05.ネットニュースのヘッドライン・画像スクレイピング
• 06.Web APIによるデータ処理Ⅰ
• 07.Web APIによるデータ処理Ⅱ
• 08.医療画像データ処理
• 09.異常値検知
もっと表示 ( 1 ) 折りたたむ

06．プレゼンテーション

• プレゼンテーション