SERVICE

データサイエンティスト育成支援

企業向け講座(企業別オンライン研修/集合研修)
企業ごとに最適なカリキュラムをご提供

ALBERTでは、数百を超えるAI・分析プロジェクトの実績から培った、独自の実用的な育成支援を数多くの企業様へ行っています。新卒社員・未経験者・データサイエンティスト・エンジニア・マネージャー・管理職クラスなど幅広い方を対象とし、座学・演習通じて、実践的な視点・考え方やデータ分析の技術を身につけられる講義をご提供しています。また、ALBERTが蓄積してきた産業独自のノウハウをもとに構成した産業特化型演習もございます。
講義は、ALBERTの経験豊富なデータサイエンティストが講師を担当します。過去の経験を元に、データ分析の基礎的な支援からより実践的な活用ができるよう独自のデータを活用した支援まで、企業様が抱える課題をしっかりとヒアリングし課題を解決できるよう、最適なプランをご提供します。 受講形式は対面またはオンラインからお選びいただけます。

おすすめの企業向け講座

  • AI・分析プロジェクトの進め方
  • Python基礎
  • Pythonデータ処理・可視化
  • 機械学習入門(教師あり学習)
  • 分析演習購入者予測(教師あり学習)

4つの魅力

  • 最適なプログラムをご提供

    受講者のレベルや目的、業種に
    応じた最適なプログラムをご提供

    統計学の基礎、データ処理の基礎、分析手法論、演習(課題把握・分析アプローチ・報告書作成・プレゼンテーション)など多数のカリキュラムがあり、受講者のレベルや目的に応じてお選びいただけます。また、各産業向けの演習もございます。

  • 経験豊富なデータサイエンティストが担当

    講師は経験豊富な
    データサイエンティストが担当

    ALBERTには、AI・分析プロジェクト経験と豊富なノウハウを持つデータサイエンティストが多数在籍しています。専門知識を身につけたデータサイエンティストから直接学ぶことにより、実用的な力が身につきます。

  • 多数の実績

    2012年より延べ5,000人に
    対して実施してきた多数の実績

    ALBERTには、2012年よりデータサイエンティスト育成に取り組んできた多数の実績があります。社内育成でも使用しているオリジナルの教材を活用したカリキュラムを、延べ5,000人にご提供しています。

  • 企業様独自の支援も可能

    より実用的に!
    企業様独自の支援も可能

    企業様のデータを活用した独自支援では、各企業のテーマに合わせた演習プログラムをご提供します。ビジネスデータを活用した実践を交えることで、より一層データサイエンスへの理解を深めることができます。

講義内容

こんな方にオススメです

カリキュラム一覧

統計学

講座名 概要 受講者の想定 受講者が得られる知識・
スキル
データ分析入門 本講義では、統計学の背景から、データ分析に必須とされるデータの可視化について、グラフの使い方を学びます。また単変量解析・2変量解析の講義を通して、代表値や分散・標準偏差・四分位数などの統計の超基礎的項目や、確率分布・仮説検定の基礎に触れながら、相関分析・回帰分析といった基本的な分析手法を学びます。
  • 統計初心者
  • Excelでのデータ加工や可視化に興味のある方
  • Excelによるデータの可視化ができる
  • 統計の超基礎的項目の数値をデータから求めることができる
  • 相関分析、回帰分析を実施でき、その結果の解釈ができる

ビジネス力

講座名 概要 受講者の想定 受講者が得られる知識・
スキル
仮説思考とデータ分析 課題解決のための仮説思考では、一般的な仮説思考の概念からスタートし、仮説の構築の仕方からそれらをデータ分析につなげる考え方を学びます。その上でデータ分析に特化した仮説思考の使い方をレクチャーいたします。

データ分析基礎パートでは、データの可視化の基礎をあらためて学び、統計学の基礎といえる単変量解析(基本統計量)から2変量解析(相関分析)までを手を動かしながら学びます。
  • 統計初心者
  • Excelを使ったデータ分析の基本的な進め方・考え方を知りたい方
  • Excelを使ったデータ分析の進め方を学びたい方

※Excelでのグラフ描画や基礎的な関数が使えるスキルを保有していることを想定

  • データ分析における仮説思考の重要性を認識できる
  • 仮説思考からデータ分析のプロセスを理解し、実践できる
  • 分析対象データの見方がわかる
  • 仮説をデータで検証していく方法を学び、実践できる
  • データ分析を用いて、仮説を定量的に評価し、他者を説得することができる
AI・分析プロジェクトの進め方 AIやデータ分析プロジェクトをどのように進めるのか、プロジェクトのガイドライン、機械学習の概要、評価指標、プロジェクト設計における失敗事例等を学びます。また、ALBERT独自のフレームワークを用いたテーマ設定及び方針設計をワークショップを通じて学んでいただきます。

※本講座はプログラミングの講義はございません。
※本講座は少人数制での開催となります。

  • AI・分析プロジェクトのマネジメント職の方
  • これからAI・分析プロジェクトを企画される方
  • 事業部門でAI・分析プロジェクトの進め方を理解したい方
  • これからDXを推進される方
  • AI・分析プロジェクトを体系的・網羅的に学ぶことができる
  • ワークショップで分析テーマの選定や分析方針・運用方針の作成を体験することで、座学で学んだ知識を実務で活用させるためのイメージがつく
  • 一般的なシステム開発とAI・機械学習システム開発の違いが理解できる
  • プロジェクト工程におけるデータ前処理、アルゴリズムの特徴、評価指標に関する概要が理解できる
非エンジニアのための機械学習入門(理論編) 本講義では、予測や分類を行う教師あり学習について学びます。 教師あり学習は、迷惑メールの判別、解約の予測、商品の売り上げ予測、画像の分類など、マーケティング、金融業、製造業を含む幅広い領域で活用されています。

座学では、AIや機械学習の中での教師あり学習の位置づけや、教師あり学習で実現できること、教師あり学習のステップを学びます。続いて、実務によく用いられる決定木とランダムフォレストを紹介します。できる限り数式を使わずに、各手法の特徴や利点を概念から解説します。また、手法の特徴や利点を理解することで、実問題に応じて適した手法を使い分けることを目指します。

演習では、顧客の要望とサンプルデータに基づいた分析の設計を行います。

※本講座ではPythonによる実装は行いません。

  • 機械学習をビジネスに活用したいと考えている方
  • 機械学習(教師あり学習)の理論について学びたい方
  • 機械学習のモデル構築までの一連の工程を理解したい方
  • AIや機械学習の中での、教師あり学習の位置づけが理解できる
  • 教師あり学習で実現できることから、教師あり学習を実現するためのステップまでを理解できる
  • 決定木とランダムフォレストの概要を理解できる

ツール基本操作

講座名 概要 受講者の想定 受講者が得られる知識・
スキル
SQL入門 データベースの概念、SQL基本構文を学習し、データテーブル結合やデータ抽出などの演習を行います。データサイエンティストには必須となるデータ処理の基礎スキルを習得します。
  • データ分析のプロジェクトに参画予定の方
  • データベースからデータを抽出して分析を行いたい方
  • 大規模データの処理方法について学習したい方
  • SQLを使ったデータ分析の方法を習得したい方
  • SQL初心者の方
  • RDBの概念が理解できる
  • テーブルの作成・データの挿入ができる
  • データ抽出の基礎的なクエリを構築・実行し、目的のデータを得ることができる
  • 集計関数や分析関数を用いて、複雑な集計やデータ加工ができる
Python基礎 Pythonプログラミングを基本文法から学び、Pythonプログラミングに必要な基礎スキルを習得します。
  • データ分析のプロジェクトに参画予定の方
  • Python初心者の方
  • Pythonを使ってデータ分析をしたいと考えている方
  • 座学に加えて多くの演習問題を解くことで、Pythonの基本的な文法を理解できるようになる
  • Pythonの実務での活用方法について、現役のデータサイエンティストから学ぶことができる
Pythonデータ処理・可視化 Pythonでのデータ分析に必要なライブラリであるNumPy・pandasと、グラフ作成ライブラリであるMatplotlibの基礎を学びます。
本カリキュラムでは、サンプルデータを用いて各ライブラリでのプログラミング演習を行います。
  • データ分析のプロジェクトに参画予定の方
  • Python初心者の方
  • Pythonを使ってデータ分析をしたいと考えている方

※Python基礎講座を受講済みの方、もしくは同程度の知識を有する方を対象とします。

  • 座学に加えて多くの演習問題を解くことで、NumPy・pandas・Matplotlibの基本的な使い方を理解できるようになる
  • NumPy・pandas・Matplotlibの実務での活用方法について、現役のデータサイエンティストから学ぶことができる
UNIX入門 UNIXコマンドの基礎を学び、シェルスクリプトでの演習を行います。
UNIX環境によるコンピューティング操作を習得します。
  • UNIXコマンド初心者の方
  • UNIX上での基礎的なコマンド操作ができる
  • シェルスクリプトの概念と作成方法が理解できる
Github入門 本講義では、Git/Github を利用したバージョン管理について学びます。
座学では、Git/Github の概要と基本的な操作について解説します。また、GitHub を用いた Pull-Request による開発・分析のフローについても紹介します。
ハンズオンでは、座学で学んだ一連の操作を実行していただきます。
  • Git/Github 初心者の方
  • バージョン管理システムを利用したファイル管理について学びたい方
  • バージョン管理システムの基礎を理解できる
  • Git/GitHub を業務に必要な範囲で自在に扱えるようになる

画像認識
(ツール活用:タクミノメ)

講座名 概要 受講者の想定 受講者が得られる知識・
スキル
ノーコードで行う画像認識 ALBERTが開発・販売している画像認識ツール「タクミノメ」を用いた座学・実践となります。
こちらは非エンジニアの方でも画像認識を実施したい場合にご活用頂くものとなります。
タクミノメの4タスク(画像分類・物体検出・セグメンテーション・異常検知)による外観検査を体験していただきます。
  • 画像認識ディープラーニングモデルの構築を実施したい方
  • プログラミングのスキルを必要とせずに、ディープラーニングを使った画像認識処理をしてみたい方
  • 手軽に画像認識処理を活用してみたい方
  • ディープラーニングの仕組みと画像認識4タスク(画像分類・物体検出・セグメンテーション・異常検知)が理解できる
  • 画像認識4タスクのアノテーションとモデル構築ができる

分析手法理論

講座名 概要 受講者の想定 業務での活用イメージ
機械学習入門(教師あり学習) 本講義では、予測や分類を行う教師あり学習について学びます。
教師あり学習は、迷惑メールの判別、解約の予測、商品の売り上げ予測、画像の分類など、マーケティング、金融業、製造業を含む幅広い領域で活用されています。

座学では、AIや機械学習の中での教師あり学習の位置づけや、教師あり学習で実現できること、教師あり学習のステップを学びます。続いて、実務によく用いられる手法を7つを紹介します。できる限り数式を使わずに、各手法の特徴や利点を概念から解説します。また、手法の特徴や利点を理解することで、実問題に応じて適した手法を使い分けることを目指します。

ハンズオンでは、教師あり学習の各ステップ、および7つの手法についてPythonでのプログラミングをおこない、予測と分類を実施します。
  • 機械学習(教師あり学習)による予測・分類を業務に活用したい方
  • 教師あり学習の理論を基礎から学びたい方
  • 教師あり学習のモデル構築までの一連の工程を理解したい方
  • 教師あり学習の各手法の違い・使い分けについて学びたい方
  • Pythonで教師あり学習を実装する方法を学びたい方

※Pythonを使用した基本的なデータハンドリングができる方を対象とします。

  • 教師あり学習を用いたアプローチで、ビジネスの課題解決に取り組むことができる
  • 従来のシステムと機械学習の違いが理解できる
  • 機械学習全般についての理解が深まる
  • 機械学習をプログラミング実装できるようになる
クラスター分析入門 本講義では、データを類似度に基づいて複数の集団に分割する手法であるクラスター分析について学びます。
クラスター分析は、顧客・商品の分類に利用されることが多く、主にマーケティング領域で活用されています。また、遺伝子配列の解析や文書・口コミの分類に使われるほか、データから検証すべき仮説を見つける探索的データ解析にも利用されます。

座学では、クラスターに分ける際の基準となる類似度・距離について説明した後、2種類のクラスター分析(階層・非階層)について、各手法のメリット・デメリットとともに紹介します。

ハンズオンでは、サンプルデータに対するクラスター分析をPythonで実装します。また、生成された各クラスターの特徴・傾向を把握する方法についても解説します。
  • 顧客・商品・文書などをデータに基づいて分類したい方
  • 多変量のデータを要約する方法を学びたい方
  • クラスター分析の理論を基礎から学びたい方
  • Pythonでクラスター分析を実装する方法を学びたい方

※Pythonを使用した基本的なデータハンドリングができる方を対象とします。

  • 商品を購入した顧客や見込み顧客の分類を行い、施策のターゲットを抽出することができる。また、各クラスターの特徴を把握することで、クラスターごとに最適なアプローチ戦略を取ることができる
    例)商品の情報に売上状況を加味した商品の分類を行うことで、販売戦略を見直すことができる
時系列分析入門 本講義では、時間に伴って変化するデータを分析する時系列分析を学びます。 時系列分析は、株価・電力需要・感染者数などの将来予測に利用されているほか、マーケティングにおける広告効果の検証にも活用されています。

座学では、時系列データの概要や特徴から説明し、ARMAモデルに代表される古典的なモデルから、古典的モデルよりも表現能力の高い状態空間モデルについて解説します。また、状態空間モデルのパラメータ推定に利用されるベイズ推定およびMCMC(マルコフ連鎖モンテカルロ法)についても、基礎から理論を説明します。

ハンズオンでは、古典的モデルおよび状態空間モデルをPythonで実装します。また、Stanを使ったMCMCの実装方法についても紹介します。
  • 時系列データに対する分析手法を身に付けたい方
  • 季節性・周期性やトレンドを加味した将来予測を行いたい方
  • 時系列分析の理論を基礎から学びたい方
  • PythonとStanで時系列分析を実装する方法を学びたい方

※Pythonを使用した基本的なデータハンドリングができる方を対象とします。

  • 株価・電力需要・感染者数のように、時間に伴って変化するデータが、上昇トレンドにあるのか下降トレンドにあるのかを把握することができる
    例)季節性・周期性やトレンドを持つデータの将来予測を行い、需要量に合わせた供給量を決定することができる
ディープラーニング入門 本講義では、近年注目を集めているディープラーニング(深層学習)を学びます。 ディープラーニングは画像認識・物体検出・セグメンテーションなどの画像に対する処理に利用されるほか、音声認識や自然言語処理にも活用されています。

座学では、 ディープラーニングの概要と詳細な学習の仕組みを学びます。また、畳み込みニューラルネットワークについて説明した後、これまでに発表されている代表的なアーキテクチャを紹介します。

ハンズオンでは、PyTorchを利用してモデル構築を行います。画像分類モデルを題材にしておりますが、学習の仕組みなどは他タスクにも共通するので本講座を学ぶと幅広い応用が効きます。
  • 画像・音声・自然言語の処理にディープラーニングを活用したい方
  • ディープラーニングの理論を基礎から学びたい方
  • Pythonでディープラーニングを実装する方法を学びたい方

※Pythonを使用した基本的なデータハンドリングができる方を対象とします。

  • 画像を用いて製品が正常であるか異常であるかを判別できる
  • 画像に写っているものが人/犬/車のいずれであるかを判別できる
  • 音声データやテキストデータに適用し、分類を行うことができる
自然言語処理入門 本講義では、テキストデータを分析するための自然言語処理を学びます。 自然言語処理は、文書の要約や翻訳、口コミの分類やポジネガ判定などを行うことができます。コールセンターにおける問い合わせ内容の分類やSNS投稿の分析に利用されるほか、チャットボットの開発にも活用されています。

座学では、分かち書き・形態素解析・機能表現などの古典アプローチから紹介し、機械学習によるテキスト解析について解説します。さらに、深層学習による自然言語処理(DeepNLP)についても、基礎となる分散表現から、最近の大きなブレークスルーとなったBERTまで説明します。

ハンズオンでは、Pythonとmecabを用いた形態素解析と、機械学習を使用した記事の分類を行います。
  • 統計学・機械学習に基づくテキストデータの分析を行いたい方
  • 自然言語処理の理論を基礎から学びたい方
  • Pythonで自然言語処理を実装する方法を学びたい方

※Pythonを使用した基本的なデータハンドリングができる方を対象とします。

  • 記事に含まれる単語の情報を使い、記事のトピックの分類ができる
  • SNSの投稿に含まれる特定の単語の数の推移を確認し、流行度や人気度の指標として活用することができる
  • サイトに記載されたレビューコメントについて、好意的であるか否定的であるかの判定ができる
異常検知入門 本講義では、大多数のデータから逸脱しているデータを識別・発見する異常検知を学びます。
異常検知は、製造業における機械の故障検知だけでなく、クレジットカードの不正利用検知、ネットワーク侵入検知など、様々な領域で活用されています。

座学では、正常データのみが取得されている場合に焦点を絞り、異常検知の基礎となる手法や、複雑な表現も可能な実用性をもつ手法を3つ紹介します。また、時系列データに対する異常検知についても扱います。

ハンズオンでは、座学で説明した3つの異常検知の手法をPythonで実装します。
  • 異常検知を業務で活用したい方
  • 正常データのみを使って異常検知を実施する方法を学びたい方
  • 異常検知の理論を基礎から学びたい方
  • Pythonで異常検知を実装する方法を学びたい方

※Pythonを使用した基本的なデータハンドリングができる方を対象とします。

  • 時系列データのパターンが急激に変化する点を検出し、アラートをあげることができる
  • 正常データのみのセンサーデータを使って、故障検知を行うことができる
    例)機械から取得するセンサーデータから予知保全のための異常を検知することができる
    例)心電図のデータに含まれる異常部位を検出できる
レコメンデーション入門 本講義では、ECサイトや動画サービスで活用されているレコメンデーションを学びます。

座学では、用いるデータや推薦する根拠によってレコメンドのアプローチを分類し、レコメンドの大枠を掴みます。また、具体的な手法として、基本的かつ実務で活用しやすい協調フィルタリングとアソシエーション分析を説明します。さらに、レコメンドにおける注意点や、評価方法についても紹介します。

ハンズオンでは、Pythonを使用したプログラミングをおこない、レコメンドのための情報抽出を実施します。
  • レコメンデーションを業務で活用したい方
  • レコメンデーションの理論を基礎から学びたい方
  • Pythonでレコメンデーションを実装する方法を学びたい方

※Pythonを使用した基本的なデータハンドリングができる方を対象とします。

  • 顧客の行動データ(購買・閲覧ログ)と商品評価データから、その顧客が好みそうな商品を推薦することができる

データ分析演習

講座名 概要 受講者の想定 業務での活用イメージ
分析演習
購入者予測(教師あり学習)
教師あり学習を用いて、ECサイトにおける再購入者を予測します。 課題の把握から分析の設計・実施、報告書作成、プレゼンテーションまでを行います。

目的変数となる「再購入」をデータからどのように定義するか、基礎集計などをもとに受講者自身で決定します。また、分析結果を踏まえ、再購入者を増加させるための施策を考えていただきます。
  • 教師あり学習を使用した予測の実践力を身に付けたい方
  • マーケティングに関連する業務に従事し、データ分析を活用したいと考えている方
  • データ確認から報告書作成までの一連の分析業務を身に付けたい方

※Pythonを使用した基本的なデータハンドリングができ、教師あり学習の代表的な手法について理解している方を対象とします。

  • データとビジネス課題をもとに分析を設計できる
  • 実務データを使って分析を行い、報告書を作成してプレゼンテーションまで実施することができる
  • ビジネスにおけるデータ分析の全工程を経験できる
  • 現役のデータサイエンティストからアドバイス・フィードバックを受けることができる
  • データの集計に加え、機械学習による予測を活用した施策の立案ができる
分析演習
顧客分析(教師なし学習)
教師なし学習を用いて、購買データに含まれる顧客・商品を分類します。 課題の把握から分析の設計・実施、報告書作成、プレゼンテーションまでを行います。

データの前処理や基礎集計を通じてデータが持つ特徴や傾向を把握することが重要になります。また、生成されたクラスターごとの特徴を解釈・理解し、分析結果から得られた知見をもとに施策を立案していただきます。
  • 教師なし学習を使用した顧客分析の実践力を身に付けたい方
  • マーケティングに関連する業務に従事し、データ分析を活用したいと考えている方
  • データ確認から報告書作成までの一連の分析業務を身に付けたい方

※Pythonを使用した基本的なデータハンドリングができ、教師なし学習の代表的な手法について理解している方を対象とします。

  • 顧客の属性分布や傾向をつかむことができる
  • 商品×顧客の関係性を可視化することができる
  • ロイヤルカスタマーとなる顧客の購買傾向を示唆することができる
  • 大規模データを利用してクラスター分析を実施し、顧客のターゲティングと施策の立案ができる
  • 一つのデータに対し、使用する特徴量や手法を変更しながら分析を行うことで、これまで見過ごされてきたデータの構造や特徴を見出すことができる
分析演習
画像認識
実案件で想定されるような画像(車載画像)を用いて、セグメンテーションモデルを構築します。モデル構築ではネットワーク構造を理解し、実装することが求められます。さらに報告書作成や発表も行います。
  • ディープラーニングの実践力を身に付けたい方
  • 画像処理に関連する業務に従事し、ディープラーニングを活用したいと考えている方
  • データ確認から報告書作成までの一連の分析業務を身に付けたい方

※分析手法理論の「ディープラーニング入門」の内容を理解している方、および同程度の知識を有する方を対象とします。

  • 分類や物体検出など、画像に関連する処理をディープラーニングを利用して行うことができる
  • ネットワークの構造や損失関数を変更することで、既存のモデルの制度を向上させることができる
分析演習
製造業向け異常検知(教師なし学習)
異常検知演習として、機械の正常データを用いてモデルを作成し、異常データを検出できるようにします。
課題の把握から分析の設計・実施、報告書作成、プレゼンテーションまでを行います。

一定の時系列の長さごとに異常かどうかを判別します。 実務に即した形で、優先すべき精度項目や実行時間の制約があります。
異常検知の講義で扱う手法をベースに、一般に異常検知でおこなわれているデータの要約方法などの関連技術の調査をしながら、分析を進めていく経験ができます。
  • 異常検知の実践力を身に付けたい方
  • 製造業に従事し、データ分析を活用したいと考えている方
  • データ確認から報告書作成までの一連の分析業務を身に付けたい方

※分析手法理論の「異常検知入門」の内容を理解している方、および同程度の知識を有する方を対象とします。

  • 精度項目や実行時間の制約がある中で、異常検知を実施してアラートをあげることができる
  • 音声データをモデルの学習に使える形に変換する処理が含まれるため、クラスター分析や教師あり学習の入力として音声データを利用できるようになる
分析演習
製造業向け故障予測(教師あり学習)
油圧機器の検査データから、状態 (良し、悪い) を予測するモデルを構築します。 油圧、流量、冷却力、温度、振動などセンサーデータを活用します。
課題の把握から分析の設計・実施、報告書作成、プレゼンテーションまでを行います。

時系列で記録されているデータを要約して特徴量を作成したり、欠損値を適切に処理したりすることが必要です。
  • 教師あり学習を使用した予測の実践力を身に付けたい方
  • 製造業に従事し、データ分析を活用したいと考えている方
  • データ確認から報告書作成までの一連の分析業務を身に付けたい方

※Pythonを使用した基本的なデータハンドリングができ、教師あり学習の代表的な手法について理解している方を対象とします。

  • 複数のセンサーデータから機器の状態を予測できる
  • 故障確率を算出することにより、機器の取り換えの優先順位をつけることができる
  • 複数のセンサーのうち、重要視すべきセンサーを特定できる
分析演習
金融業向け信用リスク
クレジットカードの利用履歴データ及び顧客属性データを用いてデフォルトリスクを評価するモデルを構築します。
課題の把握から分析の設計・実施、報告書作成、プレゼンテーションまでを行います。

データのカラム数が多いため、カラムの内容を正確に把握し、必要に応じて加工・選択していくことがモデルの汎用性を高めるうえでのポイントになります。
  • 教師あり学習を使用した予測の実践力を身に付けたい方
  • 金融業に従事し、データ分析を活用したいと考えている方
  • データ確認から報告書作成までの一連の分析業務を身に付けたい方

※Pythonを使用した基本的なデータハンドリングができ、教師あり学習の代表的な手法について理解している方を対象とします。

  • 顧客のデフォルトリスクを推定し、貸出審査や債務者の格付けに利用することができる
  • 顧客の属性や利用情報のうち、デフォルトリスクに強く関わる要素を特定することができる
    例)優良顧客の抽出やカードローンのDMを送る顧客のターゲティング等に応用することができる

産業特化型演習

各産業で想定されるデータを活用し、前処理・基礎集計・分析方針立案・アルゴリズム構築・精度評価といった一連の分析工程に取り組み、最後に分析報告会を実施する演習です。実践的演習を経験することにより、実務に即した分析スキルやプレゼンテーション・報告書作成スキルが身につき、データ分析の技術や学びを深めることができます。

演習で用いるアルゴリズムはあらかじめ用意されたものではなく、各受講者が前処理や基礎集計の工程を通じて立案した分析方針をもとに、必要となる手法を選択しアルゴリズムを構築します。また、経験豊富な現役のデータサイエンティストが講師を担当し分析報告会で評価を実施することで、受講者は実践的な視点・考え方が習得できます。

産業特化型演習の主な流れ

産業特化型演習の主な流れ

演習内容

  • 製造業向け

    製造業向け
    • 異常検知(教師なし学習)

      センサーデータを用いて、異常を検知することを目的とした演習を実施します。これにより、工場等における故障や不良品の発生の減少、設備の稼働率向上、作業員の業務効率化などの実現が可能となります。

    • 画像認識

      実案件で想定されるような画像(車載画像)を用いて、セグメンテーションモデルを構築します。モデル構築ではネットワーク構造を理解し、実装することが求められる演習です。

    • 故障予測(教師あり学習)

      油圧機器の検査データから、状態 (良し、悪い) を予測するモデルを構築します。
      油圧、流量、冷却力、温度、振動などセンサーデータを活用した演習です。

  • 金融業向け

    金融業向け
    • 信用リスク

      利用履歴データや属性データをもとに個人デフォルトリスクを推定し、貸出審査や債務者格付等に活用することを目的とした演習です。

  • サービス業(BtoC)向け

    サービス業(BtoC)向け
    • 顧客分析(教師なし学習)

      教師なし学習を用いて、購買データに含まれる顧客・商品を分類します。
      データの前処理や基礎集計を通じてデータが持つ特徴や傾向を把握することが重要になります。また、生成されたクラスターごとの特徴を解釈・理解し、分析結果から得られた知見をもとに施策を立案していただきます。

    • 購入者予測(教師あり学習)

      教師あり学習を用いて、ECサイトにおける再購入者を予測します。
      目的変数となる「再購入」をデータからどのように定義するか、基礎集計などをもとに受講者自身で決定します。また、分析結果を踏まえ、再購入者を増加させるための施策を考える演習です。

今後も演習内容を随時追加予定です。

支援実績

支援例

  • 通信キャリア様

    通信キャリア様

    企業様におけるデータ活用のプロフェッショナル人材育成を目的とし、高度な育成カリキュラムを用いて、ビッグデータ解析基礎プログラムを実施

  • 食品メーカー様

    食品メーカー様

    実業務ですぐに活用できる知識の取得を目的とし、統計学の基礎・マーケティングデータを活用したクラスター分析・需要予測等、事業部向けのプログラムを実施

  • 技術系人材派遣会社様

    技術系人材派遣会社様

    即戦力育成を目的とし、Python入門・Rの基礎・ケーススタディを通じた実践的な演習・OJTなどを織り込んだプログラムを実施

  • 自動車メーカー様

    自動車メーカー様

    AI・分析プロジェクトのマネジメント担当者様向けに、ディープラーニングの理論と実践を中心に講義を行い、最終的にはお客様の実データを用いて演習を実施

その他多数の業界において、支援実績がございます。

受講者様からのお声

  • VOICE 1

    東京海上ホールディングス株式会社

    「実践的演習がカギ。東京海上が取り組む日本最高レベルのデータサイエンティスト育成」

    CROSS TALK 東京海上ホールディングス株式会社
  • VOICE 2

    最初から最後まで非常に興味を持って受講できた

    私は、Pythonによるバッチプログラム作成経験は1年、SQLは5年以上経験がありましたが、データ分析は未経験で、データサイエンス手法の種類や各々の理論面、各手法の活用方法について知りたいと考えていました。
    Pythonは前職で使用していたので、「Python基礎」で得るものはそれほど多くないと思っていましたが、意に反し、デコレータやカリー化など、新たに学ぶことが多かったので良かったです。また、データ分析に関する知識の深い方が作成されたことが分かる研修資料だったので、最初から最後まで非常に興味を持って受講でき、現在の業務においても非常に役立つものとなっています。

  • VOICE 3

    未経験者でも講義内容がわかりやすい

    新卒研修として受講しましたが、「データ分析入門」は未経験者でも講義内容がわかりやすく、また「SQL基礎」「Python基礎」はそれぞれのレベルにあった対応をとってもらえたことが良かったです。
    「分析手法理論・実践」は、大まかな説明で流れを知った後、Jupyter Notebook上で実行するというスタイルを通して、自分が今どの部分について学んでいるかを理解しながら進めていくことが出来ました。 座学受講後は、演習として顧客のクラスタリング分析を行いました。自分の行った分析に対して、多くのフィードバックを頂いたので、その点を意識することで実務に対応することが出来ました。また、納期までの時間管理や資料作成の方法、質問の仕方などビジネス力についても学ぶことが多かった点も現在の実務に活かせています。

  • VOICE 4

    データサイエンティストとしての一連の作業を経験

    私は、今まで分析業務については上司からの指示をただこなすだけのレベルでした。前職では、PythonやSQLを使ってデータ分析を行っていましたが、最低限の知識しかありませんでした。
    本講義では、データ分析に必須なPythonライブラリの使い方についての演習があったので、色々な機能やコードの書き方について学ぶことができました。演習は、大規模なデータの集計から報告資料の作成・発表まで行うもので、データサイエンティストとしての一連の作業を経験でき、またデータの前処理について重要なことを学べたので、実際にデータを扱う際にどんなことに注意するべきか、分析に入る前にどんな処理を行えばよいか、イメージしながら作業できるようになりました。

  • VOICE 5

    演習で手を動かして身に付けた経験が活かせている

    本講義では、学んだことを演習で実際に手を動かして理解を深めるという流れのため、復習しながら段階的に学習できた点が良かったです。特に演習では、データ受領から報告資料の作成まで、実務を想定して一連の流れを体験し、報告後に講師の方からフィードバックを受けることができました。
    現在は、顧客分析を行っていますが、アジャイルなモデル実装が必要となる場面が多く、教師あり・なし学習、統計モデルなどそれぞれの基本的なモデルの実装を経験できたことが役に立っています。また、実務で使用している言語もPythonやSQLが中心のため、演習でひたすら手を動かして身に付けた経験が活かせていると感じています。

企業向け講座(企業別オンライン研修/集合研修)
企業ごとに最適なカリキュラムをご提供