
マーケター必須のデータサイエンスを実践的・効率的に習得
本講座はマーケティング分野におけるデータサイエンティスト養成講座です。
マーケティング分野において用いられる解析手法のしくみ・活用方法の理解と共に、マーケティング分野の特性に合わせたデータを用いた具体的演習により、実践的解析力、問題解決力の習得を目指します。
マーケティング分野において用いられる解析手法のしくみ・活用方法の理解と共に、マーケティング分野の特性に合わせたデータを用いた具体的演習により、実践的解析力、問題解決力の習得を目指します。
修了認定者には、統計検定2級取得を無料サポートします。検定2級対応講座を無料にて受講可能です。
料金 | 50万円(税込) |
---|---|
研修時間 | 54時間(4 ヶ月) |
修了認定要件 | 下記3 要件を満たした場合、修了認定証を交付 ・全科目受講(各科目90%以上出席) ・総合テスト70 点以上 ・課題解決プレゼンテーションに合格 |
<不合格の場合>
1.受講不足の場合は、アーカイブ受講をして頂きます。
2.総合テスト不合格の場合は、再受講をお勧めし、再試験を受けて頂きます。
3.課題解決プレゼンテーションに不合格の場合は、課題レポートを提出して頂きます。
4.総合的に審査し、合格と認められた場合は、修了認定証を交付します。
演習事例
|
|
カリキュラム
科目 | 内容 |
---|---|
1 マーケティングのための実践統計学 | 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、中央絶対偏差) 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、決定係数、交互作用のある場合) |
2 Rによるデータ解析 | 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. 分散分析(F値、多重比較(テューキー、ボンフェローニ)、対応の有無) 9. 重回帰分析(ダミー回帰) 10.ロジスティック回帰分析(予測値、オッズ比) 11.主成分分析(主成分負荷量、主成分スコア) 12.因子分析(主因子法、最尤法、直交回転、斜交回転、因子スコア) |
3 Pythonによるビッグデータ解析 | 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 |
4 実践力の養成 | Ⅰ アンケート調査法 1. 調査の分類、バイアス、質問項目の作成法 2. 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) 3. 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) 4. 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) 5. クロス集計表による検討(カイ2 乗検定、有意確率、効果量) 6. 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) 7. 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) Ⅱ 販売予測・需要予測 1.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) 2. 指数平滑法 3. 時系列分析析(移動平均法、季節指数、TCSI 分離法による予測) 4. 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 Ⅲ 社内データの分析方法 1.得意先別データの分析 2.人事データの分析 |
5 修了認定 | 総合テスト・課題解決プレゼンテーション |
【マーケティングデータサイエンティスト養成講座】パンフレット | 1.63 MB
ダウンロード