【世界で30万人が受講】データサイエンティストを目指すあなたへ〜データサイエンス25時間ブートキャンプ〜
4.2 (1,073 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
7,637 students enrolled

【世界で30万人が受講】データサイエンティストを目指すあなたへ〜データサイエンス25時間ブートキャンプ〜

機械学習・ディープラーニング・人工知能に関するビジネス上の課題を、回帰分析・ニューラルネットワーク・K近傍法等を使って解いていきます。python、jupyter、numpy、pandas、tensorflow等のスキルも身に付きます。
Bestseller
4.2 (1,073 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
7,637 students enrolled
Last updated 6/2020
Japanese
Current price: $139.99 Original price: $199.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 26 hours on-demand video
  • 84 articles
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • データサイエンティストになるために必要な一連のツールについて学ぶことができます
  • 統計分析、NumpyやPandasなどを使ったPythonのプログラミング、高度な統計学上の手法、Tableaau、StatsModelとScikitLearnを使った機械学習の実装、TensorFlowを使ったディープラーニングの実装
  • データの前処理の方法
  • 機械学習の背景にある考え方
  • Pythonを使って統計上の分析をする方法
  • Pythonを使った線形回帰とロジスティック回帰分析
  • クラスター分析と因子分析
  • 実生活における実践問題を通じた深い理解
  • TensorFlowをはじめとした、ディープラーニングを進める上で必要とされるツール
  • 過学習・過少学習とその解決方法について
  • 訓練用データ、検証用データ、テストデータの概要と具体的な実装方法について
  • 最先端の機械学習アルゴリズム(Adamなど)の概要と実装方法について
  • 信頼区間や検定など、少し難易度が高い統計上の知識
  • 機械学習の全体像と、それぞれの用語の深い理解
  • 汎用性の高い実装方法について
  • p値やt値といった統計上の指標と回帰分析との関係について
  • バッチ処理の概要と実装方法
Course content
Expand all 437 lectures 26:23:12
+ データサイエンスの領域-データサイエンスの原則
5 lectures 29:02
データサイエンスとビジネス領域の言葉の整理
1 question
分析(analysis)と分析論(analytics)の言葉の整理
04:06
分析(analysis)と分析論(analytics)の言葉の整理
1 question
ビジネス分析論、データ分析論とデータサイエンス
1 question
ビジネスインテリジェンス、機械学習と人工知能
08:19
ビジネスインテリジェンス、機械学習と人工知能
1 question
データサイエンスの図表の詳細
03:33
データサイエンスの図表の詳細
1 question
+ データサイエンスの領域-データサイエンスの原則へのつなぎ
1 lecture 07:52
従来のデータ、ビッグデータ、BI、従来の統計手法と機械学習
07:52
従来のデータ、ビッグデータ、BI、従来の統計手法と機械学習
1 question
+ データサイエンスの領域-データサイエンスのテクニック
11 lectures 55:27
従来のデータを扱う上でのテクニック
09:25
従来のデータを扱う上でのテクニック
1 question
従来のデータの具体例
01:39
ビッグデータを扱う上でのテクニック
04:55
ビッグデータを扱う上でのテクニック
1 question
ビッグデータの具体例
01:28
ビジネスインテリジェンスを扱う上でのテクニック
07:18
ビジネスインテリジェンスを扱う上でのテクニック
1 question
ビジネスインテリジェンスの具体例
01:46
従来の統計手法を扱う上でのテクニック
08:35
従来の統計手法を扱う上でのテクニック
1 question
従来の統計手法の具体例
02:04
機械学習を扱う上でのテクニック
07:47
機械学習を扱う上でのテクニック
1 question
機械学習の種類
1 question
機械学習の具体例
02:24
機械学習の具体例
1 question
+ データサイエンスの領域-データサイエンスに関するツール
1 lecture 05:30
データサイエンスにおいて使われるプログラミング言語とソフトウェア
05:30
データサイエンスにおいて使われるプログラミング言語とソフトウェア
1 question
+ データサイエンスの領域-データサイエンスに関する職業
1 lecture 04:01
機械学習にまつわる業務について
04:01
機械学習にまつわる業務について
1 question
+ データサイエンスの領域-データサイエンスで起こりがちな誤解
1 lecture 04:27
間違いやすい点について
04:27
間違いやすい点について
1 question
+ Part2 : 確率
4 lectures 20:31
確率の公式
06:01
確率の公式
1 question
期待値の計算
05:18
期待値の計算
1 question
頻度
04:18
頻度
1 question
事象と余事象
04:54
事象と余事象
1 question
+ 確率:組み合わせ論
11 lectures 36:35
組み合わせ論の基礎
01:05
組み合わせ論の基礎
1 question
順列(階乗)とその使い方
03:08
順列(階乗)とその使い方
1 question
階乗について
03:06
階乗について
1 question
繰り返しを許容した順列
02:54
繰り返しを許容した順列
1 question
繰り返しを許容しない順列
03:23
繰り返しを許容しない順列
1 question
組み合わせ
04:16
組み合わせ
1 question
組み合わせの対称性
03:05
組み合わせの対称性
1 question
異なる標本空間における組み合わせ
02:39
異なる標本空間における組み合わせ
1 question
ロトと組み合わせ
1 question
組み合わせ論のまとめ
02:41
組み合わせ論の実践問題
07:17
Requirements
  • 基礎から学んでいきますので、事前の知識は特に必要ありません
  • コードの実装にあたっては、Anacondaをインストールする必要がありますが、コースの中でインストール方法についてお伝えしています
  • マイクロソフトのエクセル(2003, 2010, 2013, 2016, 又は365が必要です。)
Description

このコースは全世界で107万人を超える受講者を持つ365careersによって公開されている

[The Data Science Course 2020: Complete Data Science Bootcamp] の完全日本語版です。

このコースではオリジナルコースのエッセンスを余すことなく網羅したうえで、

日本語ユーザーが快適に学べるように最適化されたコンテンツをお届けします。


近年世界的に需要の高まりが注目されている職業、それがデータサイエンティストです。

日本も例外ではなく高等教育機関や企業などでもその必要性が声高らかに叫ばれていますが供給が追いついていません。


経済産業省が発表したIT人材需給に関する調査によると、2030年にはデータサイエンス等に携わる先端IT人材の不足数は30万人にのぼるともいわれています。

また、従来の学習方法は受講に数十万円単位でコストがかかったり、拘束時間が長かったりと学習者側の負担は大きなものでした。


このコースはデータサイエンティストを志す人全ての方が、

データサイエンスの世界で活躍するために必要な知識とスキルを、

豊富なアニメーション、具体例、課題を通して自分のペースで確実に身につけれるように設計されています。


更に、この講義を通じて学ぶことによって身につけることができるスキルは、データサイエンスにとどまりません。

例えば、ビジネスにまつわるスキルだけでも、以下のような能力をみにつけることができます。

・ビジネス上の課題を見つける能力

・課題を対処可能な内容に整理する力

・データを定量的に評価する方法

・データを見やすく、直感的に整理する方法

・論理的に物事を考える力

つまり、ビジネスパーソンとして活躍するために必要なスキルをこの講座を通じて身につけることができるのです。


ここで、本講座でご紹介している内容の一部を記載します。

ただ長いだけの講義ではなく、コンテンツがギュッと詰まった講義になっています。


・データサイエンスの全体像

・データサイエンスの言葉の整理

・従来の統計学と機械学習の違い

・従来のデータとビッグデータの違い

・データサイエンスで間違いやすい注意点

・データサイエンスにまつわる職業の整理

・データサイエンスにおいて使われるプログラミング言語とソフトウェアについて

・確率の公式

・期待値について

・事象について

・分布について

・順列について

・集合について

・ベイズの法則について

・様々な確率分布の概要

・ファイナンスと確率の関係

・統計と確率の関係

・データサイエンスと確率の関係

・母集団と標本

・代表値について

・歪度について

・標準偏差と変動係数について

・共分散について

・信頼区間について

・仮説検定について

・帰無仮説と有意水準について

・棄却域と有意水準について

・p値について

・t値について

・pythonの概要

・回帰分析モデルについて

・相関と回帰の違いについて

・分散分析の方法について

・決定係数について

・自由度修正済み決定係数について

・F検定について

・線形回帰で求められる想定・前提について

・ダミー変数の扱いについて

・stats modelの使い方

・seabornの使い方

・フィーチャースケーリングについて

・標準化について

・過学習と過少学習について

・モデルの訓練について

・データセットの分割について

・ロジスティック関数とロジット関数について

・オッズの意味について

・クラスタリングについて

・エルボー法について

・K近傍法について

・樹形図について

・ヒートマップについて

・機械学習のイメージと具体例

・MNISTについて

・勾配降下法について

・確率的勾配降下法について

・完成について

・tensorflowを使った実装の進め方について

・活性化関数について

・バックプロパゲーションについて

・ソフトマックス関数の特徴について

・アーリーストッピングについて

・ニューラルネットワークについて

・ディープニューラルネットワークについて

・adamについて

・学習率について

・適応学習率について

・前処理の進め方について

・バイナリエンコーディングとワンホットエンコーディングについて

・データのバランシングについて

・バッチ処理について


上記でも講義で説明している内容の一部です。


本講座を活用し尽くして、更なるスキルアップに役立てて下さい。

Who this course is for:
  • データサイエンティストになりたい方。もしくはその領域について学びたい方
  • データサイエンティストとしてキャリアを築いていきたい方
  • 段階を追って知識を積み上げていくことができるように構成していますので、特に初心者の方にお勧めです