主な内容

本セミナーは大きく基礎編(1日目)と応用編(2日目)に分かれています。基礎編では、基礎的な統計の知識およびデータの可視化や統計理論の活用方法を理解します。さらに、身近な素材をもとにモデルの構築を行いながら、予測モデル構築の基礎と出力される数値の意味について理解します。以上が基礎編です。

以上のモデル構築は Excelでも実行可能ですが、応用編ではさらに高度な分析を行うために無料で使用できる統計ツールである R の基本を学びます。その上で、R を使った予測モデルの構築を行い、Excelによる方法との違いを理解します。

さらに、R を使った様々な多変量解析手法と事例を通じて高度な分析手法を学びます。この段階でデータを分類するための手法や、判別するための手法が使えるようになります。

以上は、分析対象の統計的な関係式を事前に想定したモデルでしたが、それとは異なるアプローチである、データから学んで予測モデルを構築する方法（機械学習またはディープラーニング）について学びます。これを処理するためには Python で提供されるライブラリーの利用が必要です。そこで、Python の基本を学びます。さらに、Python を使用して「花の種類の判別」「手書き数字の認識」などの問題を処理するための技術を学びます。しかし、機械学習では、学習データに合うようにモデルを作成した結果、汎用性を失ったモデルになってしまう問題（過学習）が発生することがあります。この問題について内容を理解し、それを回避する方法を学びます。


<基礎編　　１７日>
1-1  アナリティクスとデータ解析
1-2  データの構造を把握するクロス集計
1-3  比率に関する統計的判断と分割表の利用
1-4  正規分布は統計解析の基本
1-5  改善効果を保証するには
1-6  変化を鋭く捉えるには
1-7  実務で役立つ分析の技術
1-8  回帰分析とは
1-9  信頼できる回帰式とは
1-10 回帰分析の結果を解釈する
1-11 住宅価格の予測モデル（単回帰分析）

<応用編　　１８日>
2-1  多変量解析とは
2-2  重回帰分析とは
2-3  住宅価格の予測モデル（重回帰分析）
2-4  統計解析ツールRによる分析
2-5  質的データで将来を予測する（数量化Ⅰ類）
2-6  質的データで判別する（数量化Ⅱ類)
2-7  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）
2-8  複数の説明変数で分類する（判別分析）
2-9  似たものを集める（クラスター分析）
2-10 Pythonによるデータ解析
2-11 機械学習による判別と予測　

<特典>
事後学習のために下記を可能とする導入ガイド、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