【Python（プログラミング）】
GoogleColaboratoryを使用し、Python及びプログラミングの基本を理解した上で、自分で調べながらプログラミングができるレベルを目指します。

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。

【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。

■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

■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のモデル構築を行います。
【課題例】与信業務の自動化

■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＞
今後使用が予想される業務データに類似したデータを使用し、実際に想定される課題を設定して分析を行うことで、実務へ移行をスムーズにします。

＜受講修了後、転職・就職を目指す⽅＞
ご自身が目指す分野について、WEB上で公開されている各種オープンデータを用いて分析を行い、分析スキルをアピールできる資料作成を目指します。

【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。