原文


Financial

金融機関向けデータサイエンティスト
養成講座

データサイエンスを実践的・効率的に習得

データサイエンスを実践的・効率的に習得

データサイエンスを実践的・効率的に習得

本講座は金融機関向け演習データを用いたデータサイエンティスト養成講座です。
金融機関データの分析に用いられる分析手法のしくみ・活用方法の理解と共に、
金融機関におけるデータの特性に合わせた演習により、実践的解析力、問題解決力の習得を目指します。

統計検定2級取得無料サポート

統計検定2級取得
無料サポート

検定2級対応講座無料受講可能

検定2級対応講座
無料受講可能

料金・研修時間・修了認定要件

 
料金50万円(税込)
受講方法

1)対面受講(研修室) 2)オンラインLive受講

  • *講義は同時収録されますので、アーカイブによる復習は、受講終了後1年間、何回でも可能です。
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。
 

講義スケジュール

 

年3回(2月・6月・10月)開講されます。

講義スケジュール

講座説明

(再生時間:9分03秒)

講師メッセージ

(再生時間:3分55秒)

演習実例

過去10年間の年度別売上高平均を幾何平均によって求める。試験成績結果についてヒストグラムによって分布を調べる。
報酬一覧データについて箱ひげ図を作成し外れ値を検出する。研修前後の成績についてZ値(偏差値)により比較する。
ATM利用回数について昨年度の利用回数との違いについて調べる。ATM利用回数と無担保ローン残高の関係について調べる。
給与振込みの有無による定期預金残高の違いについて検討する。過去の販売促進費と住宅ローン成約件数への効果について検討する。
金融商品の好感度について男女による違いについて比較する。新規金融商品における商品説明の有無による理解度の違いを調べる。
年間ATM 利用回数と流動性預金残高について分析する。地域・年代による顧客対応満足度の違いについて検討する。
ソーシャルメディアの口コミについて分析する。給振、投信口座の有無による預金残高及びローン残高の違いについて調べる。
新規金融商品の知名度を、既存主力商品と比較する。定期性預金と、流動性預金、ローン残高、給振の有無、投信の有無等で説明する。
投資信託について、説明前後による理解度の違いについて判断する。ネットバンキンキングの利用回数と普通預金残高について検討する。
売上高と、広告費、人口、DM 発送数の関係について検討する。年齢階層と預金種別及びローン種別残高の関連性を明らかにする。
定期預金残高と住宅ローン残高の関連についてについて調べる。商品別に、売上高の構造について年度別に比較し問題点を明らかにする。
価格と、諸要因の関係についてニューラルネットワークを構築する。イメージ調査結果についてK-meansにより分類する。
形態素エンジンを用いて文章について形態要素解析を行う。問い合わせデータをk-means法によりグループに分類する。
予測モデルについてニューラルネットワークを用いて精度を向上させる。レビューコメントデータからワードクラウドを作成する。
モニターアンケートについて諸観点から分析する。支店別売上高を対数グラフにより比較する。
新製品の売上高を主力製品の売上高と関連付けて予測する。短期的な将来について指数平滑法により予測する。
時系列データからトレンド、季節指数を分離し求める。過去3年間の百貨店売上高実績から次年度の月別売上高を予測する。
市場規模を、トレンド、季節指数を用いた回帰分析により予測する。外れ値を含むデータについて売上高を予測する。
保険加入の是非について統計的意思決定法により検討する。評価基準を設定し、階層化意思決定法(AHP)により決定する。

カリキュラム

科目内容
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)

金融機関における
データ分析の実践

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、主成分スコア)

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
実践力の養成

Ⅰ 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

Ⅱ 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

Ⅲ 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

Ⅳ 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
  • アソシエーション分析による併売ルール抽出

Ⅴ 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

Ⅵ 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

Ⅶ 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)

Ⅷ 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

Ⅸ 意思決定法

  • 統計的意思決定法
  • 階層化意思決定法(AHP)

Ⅹ 社内データの分析方法

  • 得意先別データの分析
  • 人事データの分析
修了認定

総合テスト・課題解決プレゼンテーション