TOP > オープンセミナーを探す > データをビジネスに活用するための実践技術入門

データをビジネスに活用するための実践技術入門 (4118317)

□このページをPDFダウンロードする□簡易見積書をPDFダウンロードする

データをビジネスに活用するための実践技術入門
~データ解析の基礎から機械学習までを系統的に習得 ~

データ解析は新製品の開発からマーケティングまで、ビジネスのあらゆる場面で必要となる技術です。また、各種の統計モデルや人工知能(AI)の活用も身近になっています。これらの技術の全体を学ぶのは容易ではありませんが、実務での活用にポイントを絞れば、比較的短期間に技術を身に着けることができます。そこで、本セミナーでは、データ解析の基礎から AI までの実務で活用できる知識を選定し、体系的に効率よく学びます。また、できるだけ、活用のイメージを体感していただくため、身近な例で問題を解きます。また、その過程で分析の考え方や各種ツールの使い方を学ぶことができます。

日時

2018年11月27日(火) 10:00-17:00
2018年11月28日(水) 10:00-17:00

カテゴリー

IS活用専門スキル

講師

梶山昌之 氏
(株式会社ワイハット  代表取締役 日本ファンクションポイントユーザ会(JFPUG) 国際化担当役員)

日本アイ・ビー・エム株式会社において、品質管理、見積りシステム開発に従事
PM学会誌にて「データをビジネスに活用する実践アナリティクス」連載中


参加費

JUAS会員/ITC:66,000円 一般:84,000円(1名様あたり 消費税込み、テキスト込み)【受講権利枚数2枚】

会場

一般社団法人日本情報システム・ユーザー協会(ユニゾ堀留町二丁目ビル2階)

対象

これからデータ解析技術を学ばれたい方
前提基礎知識は必要はありません
初級

開催形式

講義

定員

20名

取得ポイント

※ITC実践力ポイント対象のセミナーです。(2時間1ポイント)

特記

※1日目のみ、2日目のみ(JUAS会員/ITC:33,000円 一般:42,000円)のご受講も可能です。
 申込時の通信欄に「○月○日受講」の旨お書き願います。
 事務局にて該当の日数の参加費に変更後、確認メールを送信いたします。
 受講権利チケットご利用の場合は該当日数分のチケット枚数を入力してください。

ITCA認定番号

ITCC-CPJU9403(ITCC-CPJU9404)

ITCA認定時間

12(1日のみの方は6h)

お申し込み

主な内容

[基礎編27日]
1-1  アナリティクスとデータ解析
 ・人工衛星の打ち上げコスト    ・データ解析と統計解析 
 ・ビッグデータとアナリティクス  ・データ解析技術 
 ・データマイニングとは      ・データ解析手法
1-2 実務に必要な統計の基礎知識
 ・平均とは ・バラツキとは ・分散と標準偏差 
1-3 有意差と検定推定の基礎
1-4  正規分布は統計解析の基本
 ・身長の分布 ・比較や判断の基準は ・2項分布と正規分布の関係
1-5  改善効果を保証するには
 ・検定 ・正規化 
1-6  データの構造を把握するクロス集計
 ・研修するほどスキルが低下 ・交絡 ・交互作用 ・層別 
 ・ドリンク飲料の売上データ分析(クロス集計、ピボットテーブル) 
 ・Excelによるグラフ作成(説明に必要な4つの要素 ・グラフの使い分け
 ・分割表の解析 ・カイ二乗検定 
1-7  実務で役立つ分析の技術
 ・悪玉コレステロール減少に効果があるか ・ドリンク飲料の嗜好分析
1-8  回帰分析とは
 ・最小二乗法 ・手計算による方法 ・Excelによる回帰分析 ・単回帰分析ツール
1-9  信頼できる回帰式とは
 ・バラツキはばらせ ・平方和の計算 ・平方和の分解 ・寄与率 ・分散分析表
 ・出力結果の解釈 ・寄与率 信頼区間
1-10  住宅価格の予測モデル
 ・単回帰分析による住宅価格予測
1-11  ソフトウェア開発コスト予測モデル
 ・ソフトウェアのコストドライバー ・ファンクションポイント 
 ・FPと工数 ・対数と真数 ・対数正規分布

[応用編28日]
2-1  多変量解析とは
 ・多変量解析とは
 ・多変量解析手法の分類
2-2  重回帰分析とは
 ・住宅価格の予測モデル(重回帰分析)
 ・回帰式の良さの評価と変数選択
 ・逐次選択法 ・重回帰分析を正しく使用するためには
 ・重回帰分析で重要な統計的概念
2-3  統計解析ツールRによる分析
 ・Rよる解析
 ・Rスクリプトの作成と実行
 ・基本統計量の計算
 ・ヒストグラムと正規確率プロット
 ・正規性検定
 ・ステップワイズ変数選択
 ・基本的診断プロット
 ・P値によるステップワイズ変数選択
 ・赤池情報量基準 AICによる変数選択
 ・層別因子を含む解析
2-4  質的データで将来を予測する(数量化Ⅰ類)
 ・おにぎり屋の売上予測
 ・ダミー変数
2-5  質的データで判別する(数量化Ⅱ類)
 ・レストランの再来店予測
2-6  最も顧客に好まれる要素を探索する(コンジョイント分析)
 ・好まれる賃貸住宅
 ・直行表
2-7  複数の説明変数で分類する(判別分析)
 ・体格によるアスリートの判別
 ・線形判別分析
2-8  似たものを集める(クラスター分析)
 ・クラスター分析とは
 ・正規化
 ・散布図
 ・階層別クラスタリング
 ・デンドログラム
 ・クラスター形成
2-9 Pythonによるデータ解析
 ・インタラクティブシェルを使う
 ・基本的なコマンドの入力
 ・エスケープ文字の処理
 ・ テキストエディタを使う
 ・文字コードを変更する
 ・スクリプトの編集と実行
 ・ Pythonによるデータ解析
2-10 機械学習による判別と予測
 ・ニューラルネットワーク
 ・アスリートの身長と体重
 ・予測は関数のあてはめでない
 ・TesorFlowとKeras  
 ・機械学習による判別モデル
 ・正解率に影響する要因

<特典>
事後学習のために下記に示す導入ガイド、講師作成のツール・テンプレート、演習用データを提供いたします。
 ・Rの導入と操作
 ・Pythonによる機械学習実行環境の導入と操作
 ・現場で役立つツール
 ・研修で解説した事例の演習用データ
お申し込み
トップページへ戻る