講座で得られる知識・スキル
- データから現状を把握するための可視化手法・各種統計量の確認方法
- 適切なデータの収集方法や実験計画の策定方法
- 仮説の構築と検証を行うための基礎理論
受講に必要なスキル・前提知識
必須スキル
- 線形代数、微分、確率・統計の基礎知識 (機械学習・ディープラーニングのための基礎数学講座 修了相当)
推奨スキル
- ベイズ統計学の基礎知識（機械学習・ディープラーニングのための応用数学講座 修了相当）
- Pythonを始めとしたプログラミングの基礎知識（機械学習のためのPython入門講座 修了相当）
講座の特長
- 統計分析における重要な基礎知識をわかりやすく学べる
- 理解を深めるための演習問題を数多く用意
- 統計検定2級の出題範囲に対応
講座概要
| 講座名 | 統計検定2級対応 統計分析基礎講座 |
|---|---|
| 講座時間 | 講座時間 16時間＋予習動画 |
| 料金 |
100,000円／1名（税別） |
| 料金に標準で含まれるもの |
①予習動画②対面講義③講義資料（スライド） |
| 定員 | 25名（最少催行人数10名） |
カリキュラム
DAY1DAY2DAY3DAY4
DAY1
- データ分布の記述
- 中心傾向の指標
- 散らばりなどの指標
- 中心と散らばりの活用
- 散布図と相関
- カテゴリカルデータ
- 観察研究と実験研究
- 標本調査と無作為抽出
- 問題演習
DAY2
- 確率
- 確率変数
- 確率分布
- 標本分布
- 推定
- 問題演習
DAY3
- 仮説検定の理論
- 第一種の過誤と検出力
- 母平均・母分散・母比率の検定
- 母平均の差・比の検定
- 母比率の差の検定
- 適合度検定
- 独立性の検定
- 問題演習
DAY4
- 単回帰と予測
- 回帰分析
- 時系列データの処理
- 実験計画とフィッシャーの三原則
- 実験計画の概念の理解
- 統計ソフトウェアの活用
- 問題演習
※カリキュラムは変更となる場合がございます。
講師紹介
-
溝口 聡
東京大学工学部計数工学科卒業。東京大学大学院情報理工学系研究科システム情報学専攻修了。修士（情報理工学）。学生時代に数理統計学と統計的信号処理に触れたことがきっかけで、現在はDeep Learningや高次統計量分析を利用した音声強調技術の研究開発や画像処理などを含む機械学習コンサルティングに従事。日本ディープラーニング協会の2018年度・2019年度E資格合格者、2019年度G検定合格者。実用数学技能検定1級。統計検定1級、統計応用（理工学）成績優秀賞受賞。
ご案内
PCの動作環境
・MacOSX 10.9 以上
・Windows 8 以上（64bit必須）
事前準備
- Webブラウザ Google Chrome のインストール
※ 他のブラウザの場合，ハンズオンの際に実行結果が表示されない場合があります - Anaconda3-2019.03 のインストール
- 「Anaconda3-2019.03」は、Anaconda installer archiveよりダウンロードできます。
- ご利用のOS環境に合わせて以下をダウンロードしてください。
- Windows
- 32bit：Anaconda3-2019.03-Windows-x86.exe
- 64bit：Anaconda3-2019.03-Windows-x86_64.exe
- macOS
- Anaconda3-2019.03-MacOSX-x86_64.pkg
- Windows
- インストール手順は、こちらをご参照ください
FAQ
予習動画の視聴期限はいつまでですか？
最終講義日から3か月間です。
