1．データの視覚化（箱ひげ図、ヒストグラム、散布図）

2．基本統計（平均、分散、標準偏差、Z値、中央値）

3．分布（正規分布、ｔ分布）

4．母集団と標本（検定のしくみ、2種類の過誤）

5．t検定（有意確率、区間推定、効果量、検出力）

6．カイ2乗検定（カイ2乗分布、効果量）

7．相関分析（散布図、積率相関係数、交絡要因と偏相関係数）

8．重回帰分析（標準化偏回帰係数、自由度調整済み決定係数、ｔ検定、交互作用のある場合、ダミー変数）

1．Rとは（R、Rstudioのインストール）

2．Rの基本的な使用方法（Rstudio の使用方法、ライブラリー、データの読込み方法）

3．基本統計量、グラフ（平均、分散、標準偏差、Ｚ値（偏差値））

4．グラフと外れ値（箱ひげ図、ヒストグラム、散布図、外れ値の検出方法）

5．t検定（有意確率、区間推定、効果量、検定力、対応の有無）

6．2種類の過誤とサンプルサイズ（効果量・検定力・有意水準によるサンプルサイズの設定方法）

7．ノンパラメトリック検定（ウイルコクソン順位和検定、符号付順位和検定）

8．重回帰分析（ダミー回帰）

9．ロジスティック回帰分析（予測値、オッズ比）

10．主成分分析（主成分負荷量、寄与率、主成分スコア）

11．生成AIによるRコード生成
　　　・可視化（箱ひげ図、ヒストグラム、層別散布図、ヒートマップ等）
　　　・統計的検定（t検定、カイ二乗検定）
　　　・多変量解析（回帰分析、主成分分析、ロジスティック分析、クラスター分析）

1．Pythonの基礎

　・Python の導入、Jupyter Notebook の使い方、 各種ライブラリの紹介:Matplotlib/Pandas/Numpy/scikit-learn

2．データ加工の基本

　・データベースの基礎、複数データの結合、ダミー変数化、カテゴリー値化

3．教師あり学習：数値予測

　・重回帰分析、ニューラルネットワーク、データの標準化
　・オーバーフィッティング（過学習）と多重共線性、モデルの評価（決定係数）

4．教師あり学習：クラス分類

　・ロジスティック回帰、決定木、ランダムフォレスト （アンサンブル学習）
　・サポートベクターマシン、モデルの評価（Accurary, Precision, Recall, F値）

5．教師なし学習：クラスタリング

　・非階層的クラスタリング（k-means 法）、階層的クラスタリング
　・モデルの評価（Elbow 法、シルエット係数）

6．教師なし学習：アソシエーション分析

　・Aprioriによるアソシエーション分析、モデルの評価 （支持度、確信度、リフト値）

7．自然言語処理とテキストマイニング

　・形態素解析、頻出語分析とジップの法則、単語のベクトル化

1．生成AI基礎

　・生成AIの概要と仕組み、主要な生成AIの特徴
　・プロンプトの基本ルールといくつかの方式、プロンプトの重要性の理解
　・業務への活用（文書作成・ようやく・検索等）
　・リスク管理と倫理（ハルシネーションへの対処法・情報漏洩対策・著作権・利用マナー）

2．生成AIを用いたデータ分析

　・データベースの基礎、複数データの結合、ダミー変数化、カテゴリー値化
　・生成AIによる統計解析コーディング
　・生成AIによる可視化コード生成
　・デバッグと試行錯誤のプロセス
　・生成AIによる回帰分析（pythonコードを生成、実行）
　・機械学習ケーススタディ（教師あり学習のデータ解析演習）
　・総合演習（オープンデータに対する前処理と分析の実践演習）

1．デジタルマーケティングとは

　・デジタル時代の購買行動、データドリブンとオムニチャネル

2．顧客分類と成約要因の分析

　・ロジスティック回帰、決定木による成約要因の分析
　・不均衡データへの対応
　・クラスタリングによる顧客分類、クラスタリング x 決定木によるグループ間の差異分析

3．売上と広告効果の分析

　・時系列データの可視化
　・マーケティングミックスモデリング、説明変数の追加、加工によるモデルチューニング
　・残存効果と非線形性の考慮考慮したマーケティングミックスモデリング
　・過学習への対応、ニューラルネットワークによる精度向上

4．アソシエーション分析による併売分析

　・One Hotベクトルへのデータ加工
　・アソシエーション分析の評価指標、併売ルール抽出

5．レコメンデーションモデルの構築

　・ユーザーベース協調フィルタリングによるレコメンデーション

6．ECサイトレビュー分析

　・形態素解析による単語分割、頻出単語の集計頻度集計
　・ワードクラウドによる特徴語の可視化、利用可能なテキストデータソース

7．テーブルデータの分析

　・データの整形、欠損値とデータ型の確認
　・分布の確認、地図上の可視化
　・相関係数、重回帰モデル

8．人流データの分析

　・人流データとは、データ構造の理解、データの結合、コロナ禍の影響の分析
　・Pythonを使った基本的な音声処理

9．機械学習の流れ

　・心臓発作のリスク予測、銀行口座の解約予測

10．スパムSMSの分類

　・データの理解、EDA、スパムSMS分類モデルの構築、tf-idf

11．画像処理

　・YOLO、物体検出、セグメンテーション
　・画像分類、姿勢推定

12．アンケート調査法

　・調査の分類、バイアス、質問項目の作成法
　・回答形式（単一回答、複数回答、自由記述）、 尺度化の方法（順位尺度、段階尺度、ＳＤ法、ＶＡＳ法等）
　・調査結果の集計方法 （箱ひげ図、ヒストグラムによる外れ値の検討、散布図による把握）
　・平均値の違いについての検討 （ｔ検定、対応の有無、有意確率、効果量、検定力）
　・クロス集計表による検討（カイ2 乗検定、有意確率、効果量）
　・2群以上の因果関係の検討（相関分析、重回帰分析、交絡要因、ダミー変数）
　・サンプルサイズの設定方法（効果量、検定力、有意水準の設定

13．販売予測・需要予測

　・対数グラフによる観察法（差と比率の違い、グラフから予測する方法）
　・指数平滑法
　・時系列分析（移動平均法、季節指数、TCSI 分離法による予測）
　・回帰モデルによる予測（トレンド、季節指数を用いた予測、ダミー変数を用いた予測

14．意思決定法

　・統計的意思決定法、階層化意思決定法（AHP）

課題解決プレゼンテーション
　・課題の設定、データ前処理、分析手法の選択、分析結果の解釈、レポートの作成、プレゼン発表