ビジネス変革の鍵として、あらゆる企業が注目する「データサイエンス」。 しかしわた

したちが伝えたいのは、どんな可能性を秘めたデータも、 それを扱う「人」なくしては

機能しないということ。 データサイエンスの強みと限界を理解し、正しく活用できる

「人」がいてこそ、 その可能性は最大限に発揮されます。 分析技術の追求だけでなく、

その技術で、世の中をどう動かせるかを考える。 データを扱うすべての人にこの意識

を広め、その輪を大きくしていくことが非常に重要です。

当動画コースは、データサイエンティストを目指す方のみならず、データサイエンス

の知識をビジネスに活用したい方にもおすすめです。動画では「AI・データ活用スキ

ルの思考プロセス・技術理解」、「データ可視化入門」、「AI・機械学習編 Python 入門」、

「AI・機械学習編 AI プロジェクトの進め方」を分かりやすく説明させていただきな

がら、上記の関連スキルを習得することを目標にしています。ぜひ、ご検討ください。

データサイエンティスト育成スクールを運営するデータミックスの代表。これまで数百人以上の社会人

に対して、データサイエンスの教育を行ってきた。その他、大企業からベンチャーまでデータ分析プロ

ジェクトの支援、データ分析チームの立ち上げの支援を行う。データミックスの創業前は、ニュースアプ

リベンチャーでデータサイエンティスト、監査法人トーマツにてデータ分析コンサルタント、生体センサ

スタートアップでサービス・アルゴリズム開発の取締役、KPMG FAS にて事業再生コンサルタント、外資

系メーカーでの経理・マーケティングなど幅広い経験を持つ。

堅田 洋資 Yosuke Katada

代表取締役社長　データサイエンティスト

University of San Francisco, M.S. in Analytics 修了一橋大学商学部卒業（統計学・データサイエンス専攻）

学歴

e ラーニング

コンテンツ 購入

T O T H E N E X T D E S I T A L S K I L L S

講師

ＡＩプロジェクトの進め方

ＡＩ・機械学習編

￥330,000（税込）

本講座では、データサイエンスのプロジェクトを進めるうえで、ど

のような作業が発生するのかを理解していただき、マネジメントや

業務を依頼するうえで重要なポイントを理解することがゴールで

す。そのためにビジネス課題から議論をスタートし、どのように考

えて分析を行うかをケースを用いながら説明させていただきます。

Ｐｙｔｈｏｎ入門ＡＩ・機械学習編

￥330,000（税込）

データサイエンスの分野で最も人気のあるプログラミング言語の

ひとつが「python（パイソン）」です。本講座では、python を使いな

がら繰り返し処理や条件分岐といったプログラミングの基本から、

最後は「並び替えアルゴリズム」を作成していきます。

データ可視化入門～基礎編

￥330,000（税込）

「データ可視化」とは一言で言えば「グラフの作り方」です。本講座で

は、「グラフ」を「コミュニケーション」だと考え、「伝わりやすいグラ

フは何か？」をレクチャーさせていただきます。

ビジネスフィールドでのＡＩ・データ活用スキル（思考プロセス）～基礎編

￥330,000（税込）

本講座では、データ分析の目的や効果、分析に必要なステップや課

題を明確にするためのフレームワークを学びます。

ビジネスフィールドでのＡＩ・データ活用スキル（技術理解）～基礎編

￥330,000（税込）

本講座では、データ分析に必要な � 要素「データ」、「データサイエン

ス技術」、「組織」について学びます。

contents 01

contents 02

contents 03

contents 04

contents 05

サンプル視聴可能

サンプル視聴可能

サンプル視聴可能

サンプル視聴可能

サンプル視聴可能

ビジネスフィールドでのＡＩ・データ活用スキル

プログラム例

ビジネスフィールドでのＡＩ・データ活用スキル -技術理解編1-1. データ活用の鍵はビジネス課題の具体化1-2. データ分析に必要な 3 つの要素1-3. ざっくり理解するデータサイエンス技術の全体像1-4. 本当は怖い平均の話1-5. 実務でも大活躍！回帰分析の考え方1-6. 過去から将来を予測する！時系列分析の考え方1-7. 機械学習とディープラーニングの基本1-8. 機械が自動でグルーピング！クラスタリング入門1-9. データ分析の組織本1-10.【演習】コンビニのケースでデータ・技術・組織を考える1-11.AI についてビジネスパーソンが考えるべきこと

ビジネスフィールドでの AI・データ活用スキル -思考プロセス編1-1. ビジネスにおけるデータ分析で求められる思考プロセス1-2. これだけは知っておきたいカスタマージャーニー入門1-3.【演習】 コンビニエンスストアの カスタマージャーニーを考える1-4. 課題を具体化してくれる KPI ツリーとは？1-5.【演習】カスタマージャーニーから KPI ツリーを作成する！1-6.KPI ツリーで「課題」を特定する1-7. 分析のイメージを持つためのテクニック

プログラム例

１．あなたのグラフは間違っている？

２．誰にどんな状況で情報を届けるのか？　 ～オーディエンスとシチュエーションの分析～

データ可視化入門～基礎編

（技術理解）～基礎編

ビジネスフィールドでのＡＩ・データ活用スキル

プログラム例

（思考プロセス）～基礎編

AB���_������INCopyright © Insource Co., Ltd. All rights reserved.　「insource」「Leaf」「Plants」「WEBinsource」の名称およびロゴは株式会社インソースの登録商標です。

メディア事業部 / ITサービス事業部/データ戦略部

デジタル時代のスキル

４．データ可視化手法を使ってみよう～棒グラフ、折れ線グラフ、　 散布図、ヒートマップ

５．ケーススタディで考えるデータ可視化手法

６．注意！使用を控えたほうが良いグラフ～円グラフ、３Ｄチャート

７．余分なものを排除するテクニック～ゲシュタルトの基本原則

８．ケーススタディ 1　 ～不動産販売キャンペーンの実施時期について可視化する

９．ケーススタディ 2　 ～不動産販売価格の影響要員を可視化する

１０．ケーススタディ 3　 　～ AI・IoT システム導入の営業活動施策を考える

１１．さらに勉強するために～ BI ツールを活用する

３．データ可視化手法を俯瞰する　 ～棒グラフ、折れ線グラフ、散布図、ヒートマップ、ヒストグラム、　 表、ウォーターフォール、箱ひげ図

ＡＩ・機械学習編　Ｐｙｔｈｏｎ入門プログラム例

１. コードの実行方法

２．文字列・何はともあれ Hello world!　・Q1: 文字列

３．配列 ( リスト )・配列　・配列の長さを取得する len　・配列に新しい要素を追加する

４．辞書型 (Dict)・辞書型　・key / value を配列で取り出す　・新しい key / value を追加する・Q2: 辞書型になれよう

６．２次元配列・2 次元配列　・Q3: 2 次元配列にアクセス

７．for ループ・for ループ　・for ループ -a の累計を求める -

８．if ～ else ～・if ～ else　・Q3: 2 次元配列にアクセス

９．range・range の使い方 Q4: 最小のインデックスを探そう　・Q5: 5! を計算してみましょう -

１０．while ループ・while ループ　・Q6: 1 ～ 100 の間で 3 の倍数の乱数を 20 個生成してください

１１. データ型について

５．集合型 (Set)

１２．while ループ・関数の書き方　・Q7: 2 つのリストの合計を出力する関数を作りましょう

１３. アルゴリズム入門

１４. 練習問題の解説

ＡＩ・機械学習編 ＡＩプロジェクトの進め方プログラム例

１. 機械学習 - はじめに

２．予測モデルの構築プロセスの全体像

・イントロ～講義の進め方について　・機械学習の分類

３．ビジネス課題から分析課題への翻訳

４．データの準備

５．データ前処理・データ前処理の目的・Python を使ったデータ読み込み・データ理解のポイント ①要約統計量の確認・Python を使ったデータ理解 - ①要約統計量の確認・データ理解のポイント ②分布の確認・Python を使ったデータ理解 - ②分布の理解・データ理解のポイント - ③欠損値の確認・Python を使ったデータ理解 - ③欠損値の確認・データ加工のポイント・Python を使ったデータ加工 - ①文字列からデータ抽出・Python を使ったデータ加工 - ②カテゴリ変数の処理・Python を使ったデータ加工 - ③新たな特徴量を作成

６．モデルの構築・モデルの構築・Python によるモデリング

７．モデルの性能評価・モデルの性能評価の指標・Python によるモデルの性能評価

８．まとめ