• 将来データサイエンティストを目指している学生
• データサイエンティストへの転職を考えている社会人
• さらなる専門性を身に付けたいエンジニア
• データ分析をビジネスに活用したいマーケター/ビジネスマン
• 研究でデータサイエンスを活用したい研究者

など理系/文系関係なく幅広い層に向けた実践的な内容になっています。

• 最低限の数学知識：関数・総和（シグマ記号）・積分・確率変数と分布関数・密度関数・期待値

• 統計解析：記述統計と推計統計
• 基本的な要約統計量：平均値・中央値・最頻値・分散と標準偏差
• データの図示：ヒストグラム・パーセンタイル
• 2つの関数の関係：散布図・相関係数
• 推計統計：統計的検定・母集団と標本・問題設定・帰無仮説と対立仮説・t検定・scipy
• 機械学習とデータ分析：教師あり学習・教師なし学習
• モデリングのフロー：前処理・学習・評価
• 機械学習の基本コンセプト：予測とパターン発見
• 予測：分類と回帰
• 分類：前処理・入力データ/正解データ・トレーニングデータ/テストデータ・特徴量作成・SVM・正解率・分類予測モデルの構築や評価
• 回帰：ペアプロット・線形回帰モデル・平均二乗誤差・回帰予測モデルの構築と評価
• パターン発見：クラスタリングと次元圧縮
• クラスタリング：セグメンテーション・ターゲティング・クラスタ数・ヒートマップ・クラスタリングの解釈
• 次元圧縮：主要成分分析・重要度・分散説明率・累積分散説明率・次元圧縮の可視化と解釈・類似度の計算・コサイン類似度
• ビジネス理解：目的設定（ビジネス観点・データ分析観点）・仮説検証型アプローチと探索型アプローチ・良い目的設定とは・目的と分析手法の組み合わせ
• データ収集・加工のスキル：ファイルデータ・データベース・SQL・データウェアハウス・データの結合・INNER JOIN・FULL JOIN・LEFT/RIGHT JOIN・NaaN・データ変換処理・マッピング・ビン分割・欠損値の処理・除外・穴埋め
• データベース操作（SQL）：select文・where 句・order by節・集約関数・group by節・having節・JOIN句・集約・データの結合・関数・サブクエリ
• 評価のスキル：データ分析プロジェクトの評価・仮説検証とモデル評価・KGI・CSF・KPI・KPIマネジメント・CSFの選定・KPIの設定・DAU・MAU・CVR・CTR・PV・リテンション・直帰率・KPI指標のモニタリング方法・A/Bテスト
• 報告・意思決定のスキル：意思決定とデータ分析・論理と感情・関係構築・情報伝達・行動促進・組織での意思決定フロー・選択肢の絞り込み・課題設定・選択肢の生成過程・選択肢の結果予測・組織のあるべき姿と結論の共通認識・データ分析と意思決定に潜むバイアス
• 実施・適用のスキル：PMBOK・プロセス設計・プロジェクトマネジメント・ソフトウェア工学・ソフトウェア開発/運用・ウォーターフォール開発・アジャイル開発・ITIL・DevOps・キーパーソンとのコミュニケーション・期待値調整
• ケーススタディ：Webサイトのアクセルログ解析・アクセスログの指標計算・アクセスログによる商品/ユーザー分析・ファネル図・データ分析と偶然
• 「伝えて動かす」ことの重要性・データサイエンティストのキャリア