データサイエンティスト養成講座セット

データから価値を生み出しビジネス課題を解決する力を
データサイエンス領域をリードする講師陣から学ぶ
3 Full Courses
$195 value
Only $50
Courses: 3
Content: 23.5 hours
Students: 8,100
Average Rating:

Includes these 3 top-rated courses

    【世界で2万人が受講】実践 Python データサイエンス
    $105
    Power BIで学ぶ、データサイエンティストの 分析プロセス入門
    $50
    【R言語をゼロから理解していく】データサイエンスの実践例から学ぶデータ分析入門
    $40

Course Details

【世界で2万人が受講】実践 Python データサイエンス
104 lectures
17.5 hours
All Levels

このコースは、Pythonを使ってデータを解析し可視化するために必要なスキルを網羅しています。Pythonと科学計算のためのライブラリの使い方が完璧に理解できるようになっています。

このコースを習得すれば、次のような事ができるようになります。

- Pythonプログラミングへの知識が深まります。

- numpyを使って、アレイを使った数値計算ができるようになります。

- pandasを使った効果的なデータ解析ができるようになります。

- matplotlibとseabornを使って、出版にも使えるほど綺麗なデータの可視化が可能になります。

- Pythonを使って実際にデータを解析する方法論が身につきます。

- 機械学習への理解が相当高まります。

- すべてのコードはPython3に完全対応しています。

20時間以上、100本を超えるビデオと、すぐに使えるPythonコードがまとまった資料が用意されていますので、データサイエンスに関する知識が飛躍的に高まります。

Shingo Tsuji, プログラミング(Python)、データ解析

1975年東京生まれ。東京大学工学部計数工学科、同大学院を修了。IT系ベンチャー企業で、JavaををつかったWebアプリケーションの開発に従事したあと、大学の博士課程に戻り、生命情報科学の分野で博士号を取得後、おもにがん研究分野における大規模データの解析に従事。2005年頃からPythonに注目し、最近はほとんどすべての仕事をPythonで片付けている。

Jose Portilla, Data Scientist

Jose Marcial Portilla has a BS and MS in Mechanical Engineering from Santa Clara University and years of experience as a professional instructor and trainer for Data Science and programming. He has publications and patents in various fields such as microfluidics, materials science, and data science technologies. Over the course of his career he has developed a skill set in analyzing data and he hopes to use his experience in teaching and data science to help other people learn the power of programming the ability to analyze data, as well as present the data in clear and beautiful visualizations. Currently he works as the Head of Data Science for Pierian Data Inc. and provides in-person data science and python training courses to a variety of companies all over the world, including top banks such as Credit Suisse. Feel free to contact him on LinkedIn for more information on in-person training sessions.

Sections
2 lectures 4 mins
3 lectures 14 mins
8 lectures 1 hour
  • Lecture 6. numpy入門 00:01
  • Lecture 7. アレイを作る 06:19
  • Lecture 8. アレイを使った計算 04:33
  • Lecture 9. アレイの添え字 12:18
  • Lecture 10. 行と列の入れ替え 08:23
  • Lecture 11. アレイと計算のための関数 05:06
  • Lecture 12. アレイを使ったデータ処理 19:04
  • Lecture 13. アレイのの入出力 07:21
11 lectures 1.5 hours
  • Lecture 14. Series(1次元のデータ列) 11:41
  • Lecture 15. DataFrame(テーブル型のデータ) 14:43
  • Lecture 16. indexの基本 03:19
  • Lecture 17. indexを変える 10:49
  • Lecture 18. 行や列を削除する 04:29
  • Lecture 19. データを取り出す 07:14
  • Lecture 20. 形の違うデータの計算 08:47
  • Lecture 21. データの並べ替えと順番 04:32
  • Lecture 22. データと統計量 15:20
  • Lecture 23. 欠損値の扱い 08:44
  • Lecture 24. indexの階層構造 09:43
4 lectures 19 mins
  • Lecture 25. テキストデータの読み書き 08:00
  • Lecture 26. JSON 03:53
  • Lecture 27. HTMLからのデータの取り出し 03:06
  • Lecture 28. Excel形式のファイルを読み込む 03:41
13 lectures 1.5 hours
  • Lecture 29. データのマージ 16:58
  • Lecture 30. indexを使ったマージ 09:16
  • Lecture 31. データの連結 09:38
  • Lecture 32. DataFrameを組み合わせる 10:48
  • Lecture 33. SeriesとDataFrameの変換 09:46
  • Lecture 34. ピボットテーブルの作り方 04:26
  • Lecture 35. 重複したデータの処理 06:20
  • Lecture 36. マッピングを使った列の追加 04:53
  • Lecture 37. 置換 03:06
  • Lecture 38. indexの変更 07:01
  • Lecture 39. ビニング(Binning) 05:28
  • Lecture 40. 外れ値 09:47
  • Lecture 41. Permutation 06:57
5 lectures 1 hour
  • Lecture 42. データをまとめるGroupBy 19:32
  • Lecture 43. データをまとめるGroupByその2 11:32
  • Lecture 44. データのAggregation 14:20
  • Lecture 45. Split、Apply、Combining 10:42
  • Lecture 46. クロス集計表 06:28
7 lectures 1.5 hours
  • Lecture 47. Seabornのインストール 01:36
  • Lecture 48. ヒストグラム 09:55
  • Lecture 49. カーネル密度推定 22:53
  • Lecture 50. 分布の可視化 05:27
  • Lecture 51. ボックスプロットとバイオリンプロット 11:17
  • Lecture 52. 回帰とプロット 22:25
  • Lecture 53. ヒートマップとクラスタリング 19:33
17 lectures 3.5 hours
  • Lecture 54. 実践データ解析(導入) 02:25
  • Lecture 55. 実践データ解析(準備) 04:31
  • Lecture 56. タイタニック その1 16:36
  • Lecture 57. タイタニック その2 17:48
  • Lecture 58. タイタニック その3 15:55
  • Lecture 59. タイタニック その4 02:49
  • Lecture 60. 株式市場のデータ解析入門 03:05
  • Lecture 61. 株式市場 その1 11:58
  • Lecture 62. 株式市場 その2 17:09
  • Lecture 63. 株式市場 その3 09:55
  • Lecture 64. 株式市場 その4 11:03
  • Lecture 65. 株式市場 その5 32:10
  • Lecture 66. 選挙とデータ解析 02:26
  • Lecture 67. 選挙 その1 17:01
  • Lecture 68. 選挙 その2 15:51
  • Lecture 69. 選挙 その3 13:02
  • Lecture 70. 選挙 その4 18:53
16 lectures 3 hours
  • Lecture 71. 機械学習入門 08:58
  • Lecture 72. 線形回帰 その1 15:26
  • Lecture 73. 線形回帰 その2 12:28
  • Lecture 74. 線形回帰 その3 18:02
  • Lecture 75. 線形回帰 その4 15:26
  • Lecture 76. ロジスティック回帰 その1 11:34
  • Lecture 77. ロジスティック回帰 その2 11:52
  • Lecture 78. ロジスティック回帰 その3 12:29
  • Lecture 79. ロジスティック回帰 その4 07:50
  • Lecture 80. 多クラス分類 その1:ロジスティック回帰 13:48
  • Lecture 81. 多クラス分類 その2:k近傍法 13:43
  • Lecture 82. サポートベクトルマシン(SVM) その1 06:49
  • Lecture 83. サポートベクトルマシン(SMV)その2 07:04
  • Lecture 84. ナイーブベイズ分類 その1 09:40
  • Lecture 85. ナイーブベイズ分類 その2 04:23
  • Lecture 86. 決定木とランダムフォレスト 24:28
3 lectures 26 mins
  • Lecture 87. Pythonの基礎 その1 10:31
  • Lecture 88. Pythonの基礎 その2 07:41
  • Lecture 89. Pythonの基礎 その3 08:16
10 lectures 1.5 hours
  • Lecture 90. 離散一様分布 08:49
  • Lecture 91. 連続一様分布 08:38
  • Lecture 92. 二項分布 16:58
  • Lecture 93. ポアソン分布 11:09
  • Lecture 94. 正規分布 07:51
  • Lecture 95. 標本と母集団 08:44
  • Lecture 96. t分布 06:14
  • Lecture 97. 仮説検定 17:07
  • Lecture 98. カイ二乗分布を使った検定 07:31
  • Lecture 99. ベイズの定理 06:04
3 lectures 34 mins
  • Lecture 100. SQL入門 09:04
  • Lecture 101. selectの基本 12:08
  • Lecture 102. selectの応用 12:23
2 lectures 19 mins
  • Lecture 103. Webからの情報抽出 その1 10:05
  • Lecture 104. Webからの情報抽出 その2 09:19
Power BIで学ぶ、データサイエンティストの 分析プロセス入門
10 lectures
1 hour
Beginner Level

本コースは分析・データ活用による問題解決実践を目指す初心者向けのコースです。

すべてのビジネスに新しい価値が求められる時代に、データから価値を創出し、ビジネスの課題に答えを出すプロフェッショナル、それがデータサイエンティストという新しい職種です。

アメリカの調査会社ガートナー社の試算では、将来的に国内だけで約25万人のデータサイエンティストが不足とすると予測しています。まさに大きなチャンスが目の前にあります。

データサイエンティストには、3つのスキルセットが求められます。

それはビジネス力・データサイエンス力・データエンジニアリング力の3つ。

ビジネスの課題を発見し、データの処理・分析を通じて仮説を検証し、結論を導き出すことができるスキルです。

この講座では、だれでも無料で使えるBIツールである、マイクロソフトの「Power BI」を利用して、データサイエンティストが行う「PPDACサイクル」をケーススタディ方式で学ぶことで、難しい統計や、ツールの詳細な使い方を学習する前に、データサイエンスの全体像をつかむことができます。

株式会社ブレインパッド

ブレインパッドは、2004年の創業以来、「ビッグデータ」という言葉が世の中に広まる前から、大量データの分析を通じて、クライアント企業の意思決定のご支援に取り組んでおります。現在、金融・小売・メーカー・サービスをはじめとする多数のクライアント企業に対し、データ分析およびその関連サービスのパイオニア企業として、分析業務支援からデータ活用のためのソリューション提供までをワンストップで行っています。


Sections
1 lectures 1 min
3 lectures 23 mins
4 lectures 26 mins
  • Lecture 6. ケーススタディ概要 01:38
  • Lecture 7. 層別分析 16:34
  • Lecture 8. 相関分析 05:15
  • Lecture 9. 結論 02:56
1 lectures 7 mins
  • Lecture 10. まとめと次のPPDCAサイクルへ向けて 07:07
【R言語をゼロから理解していく】データサイエンスの実践例から学ぶデータ分析入門
49 lectures
5 hours
Beginner Level

データサイエンスの第一歩をスムーズに!

このコースは、データサイエンスの基本的な考え方、データ解析とグラフ作成について学ぶことができます。そして、あなたの実際の業務に適応することを目標にしています。また、予備知識については全く必要ありません。

ここでは、Rという統計解析用のプログラミング言語を学びます。Rはプログラミング初心者に対しても優しい言語であり、大学や企業などでも広く用いられています。

近年、Rに関する数多くの書籍が出版されています。しかし、実際の操作方法については、文字による説明だけでは飲み込みづらいのが実状です。本コースでは実際の操作画面を動画とキャプションで表示しているため、複雑な操作であっても直感的に理解することができるでしょう。

本コースを通して、以下の項目を学ぶことができます。

  • データサイエンス(統計学・機械学習)の背景、データ分析の実践例
  • R/Rstudioの基本的な操作
  • データの特徴を理解するのに役立つ要約技法、グラフ作成方法
  • 実際の業務を想定した分析シミュレーション・分析プロセス
  • インターネット上に公開されているデータを取得し、地図などで表現する可能性
  • twitterなどのテキスト情報を分析してグラフ化する技法


データサイエンスの学習を始めましょう!

東京大学大学院で分析化学を専門として、修士課程を修了しました。
その後、WEB制作会社にて大手企業のWEBサイト分析主担当者として解析業務に従事。2015年10月にリッチハニカム株式会社を創業しました。現在、R言語を業務で使用して、データ解析やテキストマイニングによる口コミ分析、そして位置情報マーケティングを行っています。大学から現在まで一貫して、分析を専門としています。

sfchaos sf chaos, データマイニング、機械学習によるデータ解析

元々大学では物理学、応用数学を専攻していましたが、現在は企業でデータマイニング、機械学習によるデータ解析の研究に従事しています。データ解析では、主にPython、R、SQL、(たまに)Apache Spark等を用いています。

昨今、データサイエンスや機械学習が注目を集めています。多くの方々にこれらの技術を習得するためのコンテンツをご提供できればと考えています。

Prof. IshidaMotohiro 石田, プログラミング データ分析

現職: 徳島大学大学院総合科学研究科教授

情報総合研究室・データ分析・プログラミング・計量言語学・応用統計学

東京都生まれ



Sections
2 lectures 15 mins
20 lectures 2 hours
  • Lecture 3. 2-1-1データサイエンスの道具 04:10
  • Lecture 4. 2-1.1 検定 03:20
  • Lecture 5. 2-1-2相関と回帰 06:03
  • Lecture 6. 2-1-3分類 05:47
  • Lecture 7. 2-2-1データサイエンスのソフトウェア 02:53
  • Lecture 8. 2-2-2R/RStudioのインストール 03:30
  • Lecture 9. 2-3Rstudioの画面操作 08:56
  • Lecture 10. 2-4-1データの読み込み 01:24
  • Lecture 11. 2-4-2Rで使用される用語 08:50
  • Lecture 12. 2-5-1前回までの確認 00:59
  • Lecture 13. 2-5-2データの中心 09:48
  • Lecture 14. 2-5-3データの幅 11:43
  • Lecture 15. 2-6-1モダンな操作 10:25
  • Lecture 16. 2-6-2母集団と標本そして検定 13:45
  • Lecture 17. 2-7-1モダンなグラフ日本語設定 02:18
  • Lecture 18. 2-7-2ggplot2によるヒストグラム 07:32
  • Lecture 19. 2-7-3散布図 08:10
  • Lecture 20. 2-7-4グループを分ける 01:44
  • Lecture 21. 2-7-5クラスター分析 05:51
  • Lecture 22. 2-7-6主成分分析 05:32
12 lectures 1.5 hours
  • Lecture 23. 3-1検定 08:20
  • Lecture 24. 3-2-1回帰・分析 11:31
  • Lecture 25. 3-2-2ロジステック回帰分析 09:30
  • Lecture 26. 3-2-3決定木 11:22
  • Lecture 27. 3-3クラスタリング 09:01
  • Lecture 28. 3-3-1階層型クラスタリング 12:54
  • Lecture 29. 3-3-2k平均法 07:09
  • Lecture 30. 3-4-1次元削減とは 00:54
  • Lecture 31. 3-4-2-1主成分分析 Free Preview 03:42
  • Lecture 32. 3-4-2-2主成分分析の実行 02:36
  • Lecture 33. 3-4-2-3主成分の抽出とバイプロット 00:54
  • Lecture 34. 3-4-2-4累積寄与率の計算 06:31
9 lectures 37 mins
  • Lecture 35. 4-1分析プロセスの概要 01:47
  • Lecture 36. 4-2ビジネス課題の明確化 02:02
  • Lecture 37. 4-3分析計画の立案 05:51
  • Lecture 38. 4-4データの選定収集 03:27
  • Lecture 39. Rコード解説について 00:51
  • Lecture 40. 4-5データの特性理解 07:40
  • Lecture 41. 4-6データの前処理 03:53
  • Lecture 42. 4-7予測モデルの構築 03:12
  • Lecture 43. 4-7-2予測モデルの構築2 07:54
6 lectures 31 mins
  • Lecture 44. 5-1e-statの紹介 04:20
  • Lecture 45. 5-1e-statからのデータ取得&日本地図への描画_1

    e-statでの項目名が更新されたため、併せて添付のRコードを更新しました。e-statapi_ver201609.zipファイルを参照下さい。
    ※念のためビデオと同じ"以前"のRコード(e-statapi.zip)も残しておきます。

    05:42
  • Lecture 46. 5-1e-statからのデータ取得&日本地図への描画_2 05:15
  • Lecture 47. 5-1e-statからのデータ取得&日本地図への描画_3 Free Preview 01:44
  • Lecture 48. 5-1e-statからのデータ取得&日本地図への描画_4 02:28
  • Lecture 49. 5-2テキストマイニング 11:37

Overview

What will I learn?

  • データサイエンスの基礎となるPython, R, Power BIを学びましょう。
  • ビジネスの課題発見・解決に必須なデータ分析力を基礎から身につけましょう。
  • データサイエンスの概要から、実践で役立つ分析方法までを網羅できます。

Who is this for?

  • データサイエンスやデータの可視化に興味がある方々。
  • これらのコースは初心者用に設計されており、プログラミングに関する事前知識は不要です。