受講登録開始時期は別途ご案内いたします。

担当教員（予定）

東京大学大学院工学系研究科教授　松尾豊、塚本邦尊、他

目標

本講座では、あらゆる分野で武器になるデータの解析・分析スキルを身につけます。
分析結果を効果的に可視化する技術、機械学習の基礎、データベースの扱い方を網羅的に扱います。
データサイエンティストとして活躍する入口に立つことを目指します。

キーワード

AI、データサイエンス、マーケティング、起業、事業提案、機械学習、Python、Kaggle

講義計画

開始日：10/7　※スケジュール・テーマ等予告なく変更する可能性があります
毎週火曜　18:45〜20:30　全15回　　（初回のみ15分延長し、18:45-20:45となります。）

事前学習	GCIベーシック（動画公開・スライドと演習ファイルを配布）
第1回（10/7） ※18:45-20:45予定	導入（データサイエンス・本講義の概要）
第2回（10/14）	Python基礎（プログラミング文法／演算・条件分岐・関数）
第3回（10/21）	Pythonによる科学計算（Numpy）
第4回（10/28）	Pythonによるデータ加工処理の基礎（Pandas）
第5回（11/4）	Pythonによるデータ可視化の基礎（Matplotlib）
第6回（11/11）	教師あり学習（教師データに基づく予測モデル構築/回帰と分類）
第7回（11/18）	特徴量エンジニアリング（説明変数の変換・生成による精度向上）
第8回（11/25）	ゲスト講師（1）TBD
第9回（12/2）	教師なし学習/時系列 （潜在パターンの学習／クラスタリング・主成分分析など）
第10回（12/9）	モデルの検証方法とチューニング方法 （ハイパーパラメータチューニング／モデル評価指標の設定）
第11回（12/16）	AIのビジネス活用提案 ~ 最終課題導入 ~ （仮説検証による事業提案プロセス）
第12回（12/23）	マーケティング基礎、応用の一部 （マーケティングにおけるデータ戦略・分析の実践）
第13回（1/6）	SQL（データベース構築の目的理解・実装）
第14回（1/13）	ゲスト講師（2）TBD
第15回（1/20）	ゲスト講師（3）TBD

講座の受講形式

• オンライン講義を開講し、全国の受講生と共に同時受講いただきます
• 講義時間中は講師にテキストで質問することが可能です
• 講義時間に参加できない場合は、翌日録画講義を配信しますので、次週の講義までに視聴し課題に取り組んでいただきます
• Kaggle形式のコンペを実施します

修了条件

• 講義に一定回数以上出席（アーカイブ視聴）しアンケートを提出する（講義後1週間は出席登録可能）
• 宿題・コンペ（Kaggle形式）を全回提出し、宿題については正答数が基準値を上回ること
• 最終課題を提出し一定の点数を得る（最終課題内容予定：本講義で学んだ内容をもとに事業提案を作成。詳細は受講時に説明）

　上記を総合的に勘案して修了判定をおこないます

受講上の留意点

前提条件

• Pythonの習得状況にもよりますが、毎週自習や宿題等に取り組む時間が十分に確保できること
  　完全な初学者：毎週8時間程度
  　Pythonに触れたことがある方：毎週3時間程度
• Zoom、Googleサービス（Google Drive、Google Form、Google Spreadsheet、Google Colab等）、Webブラウザ、Slackを利用できるPCをご用意ください。