【Python
（プログラミング）】

⽂字列変数の扱い／変数と型の変換／条件分岐（if〜elif〜else⽂)／繰り返し処理（While⽂, For⽂, range関数）／例外処理（try〜except⽂）／ユーザー関数の定義／クラスの利用 等

【SQL】

BigQueryを使用し、データベースの概念を理解した上で、データの取得や加工に必要なSQLを使いこなせるようにします。

ユーザー、データベース、テーブルの作成（CREATE文）／任意の列を取得（SELECT文、FROM句）／必要な行を取得（WHERE句）／テーブルの集計（GROUP BY句）／行の並べ替え（ORDER BY句）／計算による列の作成（計算、AS句、CASE文）／テーブル結合と使い分け（JOIN句）／テーブル和（UNION句）／副問い合わせ（サブクエリ） 等

【データ加工】

分析の前段階で必要となるデータの収集、加工や整理について学び、Python（Pandas）とSQLを用いて実装できる力を身に付けます。

データの読み込み（TSV、CSV、JSON）／HTMLのスクレイピング／抽出／集計／縦持ち・横持ち変換／テーブル結合・テーブル和／特徴量の作成（ダミー変数作成、ビン化、日付処理） 等
※欠損値や外れ値の処理、サンプリングは統計学／機械学習で扱います。 等）

【コンピュータ基礎】

コンピュータの基本的な仕組みを理解し、データ分析に必要となる基礎的なITの知識を学んだ上で、Linuxの基本的な操作を身に付けます。

コンピュータとOS／PC、サーバ、クラウド（Amazon Web Service、Google Cloud Platform等）の違い／Linuxの基本的な操作／Linux上でのPythonの実行 等

【統計学】

データ分析に必要となる統計学の基本的な用語・理論を理解し、Pythonを使用して計算を実行できるスキルを身に付けます。

データの可視化（集計・グラフ）／記述統計の基本（各種要約統計量、相関等）／回帰（単回帰・重回帰）／推計統計の基本（中心極限定理、分布、推定 等）／確率／統計的検定／予測モデルの構築手順／主成分分析 等

【機械学習】

データサイエンスの業務実行プロセスについて理解した上で、様々な分析手法の特徴とPythonでの実装方法を学びます。精度評価指標と精度を高めるための様々な工夫についても学び、ビジネス課題に対応できる分析スキルを身に付けます。

■教師あり学習
回帰課題の手法（正則化回帰モデル）と精度評価指標等／アンサンブル学習（ランダムフォレスト、LightGBM 等）／分類課題の手法（ロジスティック回帰、サポートベクターマシン、決定木分析等）と精度評価指標／サンプリング 等

■教師なし学習
主成分分析、クラスター分析、アソシエーション分析 等

■ディープラーニング
単層・多層パーセプトロン／畳み込みニューラルネットワーク（CNN）と精度向上テクニック／転移学習 等

【ロールプレイ】

■講師のアドバイスのもと、データ加工から報告書の作成まで、データ分析を進めます。
■様々な分析手法を比較検討し、適切な手法を採択できるようにします。
■データ分析の前提となる、各領域の基本的な業務知識を学びます。

①マーケティング
マーケティング関連業務において、プロジェクトオーナーのビジネスモデルを理解し、自力で分析シナリオを組み立てます。
【課題例】ECサイトの売り上げアップのための施策提案

②ファイナンス
金融業の基本的なビジネスモデル及びPL・BSについて理解し、その特性を理解した上でモデル構築を行います。
【課題例】与信業務の自動化

③ヘルスケア
健康保険組合のレセプトデータを分析し、施策提案力を磨きます。
【課題例】健康保険組合の医療費削減のための施策提案

【Pre-Job】

■分析課題を設定し、その課題の解決策を導くための適切なデータを自分で選定します
■データ加工から報告書の作成までデータ分析を自力で進める力を身に付けます。
■分析結果を報告書としてまとめ、わかりやすくプレゼンテーションをするスキルを磨きます。

【課題例】
＜受講修了後データサイエンス業務に就くことが決まっている⽅＞
疑似業務データと実務で使⽤することが想定される分析手法を⽤いて分析を行うことで、業務への移行をスムーズに行うことが可能です。
＜受講修了後、転職・就職を目指す⽅＞
自治体のオープンデータやRESAS（地域経済分析システム）をデータ分析を行い課題の解決策を提言することで、自身の分析力を示す資料を作成います。

【応用】

■自然言語処理
私たちが普段使用している言語＝自然言語の分析について学びます。自然言語処理に必要なデータの数値化、データ加工、分析手法を身に付けます。
形態素解析／品詞カットオフ／ストップワード除去／TF-IDF変換／変換単語ランキング／共起分析／ LDA／ポジネガ分析／Word2vec等

■分析環境の構築
データサイエンスアカデミーでは学習用のpython実行環境としてGoogleColaboratory（クラウド）を使用しますが、実際の業務ではローカルPC等やサーバにPyhonの実行環境を構築する必要が出てきます。JupyterNotebookを使用する場合の分析環境構築ついて学びます。

■Rによるデータ分析
データサイエンスアカデミーではPythonを使用して分析を行いますが、会社やプロジェクトによってはRを使用するケースもあります。「データ加工」の章でPythonを使用して行った処理をRで実現する方法を学びます。

■分析モデルのアプリ化
構築した分析モデルを一般の人が利用できるようにするためには、システムやアプリに組み込む必要があります。講義で構築した分析モデルをWEBアプリ化するために必要な環境とプログラムを提供し、実現方法を学びます。