研修の概要
| 研修タイトル | 実施形式 / 期間 | 対象者 | 研修の概要 |
| DX人材育成講座データサイエンス基礎 | オンライン / 対面 半日 / 1日 / 2日 | 全階層 | ・データサイエンス、AI、機械学習、データ分析、開発環境に関する本質と重要概念を理解します ・ハンズオン演習で自らPython・機械学習・可視化分析の技術を「体感」します ・「講義を通じたインプット」と「演習・ワークショップを通じた実践的なアウトプット」のバランスを図ることで定着力を高めます ・業務の中で、上記の技術を他人に説明でき、効果的な会話ができるための訓練を行います |
プログラム
※ 1週間前にテキストを配布し、事前学習に取り組んでいただくことで、ライブ講義の効率が期待できます。
※講義中に、随時ディスカション、演習、質疑応答を随時行う
※ オンライン / 集合により学習内容の違いはありません（進行や議論の時間、方法等に若干の違いがありあます）。プログラム内容は、適宜カスタマイズいたしますので、適宜、ご相談ください
『DX人材育成講座データサイエンス基礎』プログラム（半日版）
半日間の講義・演習を通じて、DXプロジェクトに必要な知識、AI・機械学習・データ分析の重要概念と活用事例を体型的に学びます。
全体を通してディスカッションとテストを通じて、知識の定着を強化し、的確な判断と技術に関する円滑な会話が可能になります。
| 半日 | ||
| 3-5H | 【講義・前半】 ■データサイエンスとは データリテラシーとは ■人工知能（AI）・機械学習・深層学習の最重要概念を紹介 ■機械学習モデルの構築とデータ分析の流れ ■データを正しく理解し正しく扱う （データの種類、データ収集、前処理、モデルの学習、精度評価など） 【講義・後半】 ■代表的な機械学習の手法、特徴と応用 ■ディープラーニング技術の特性と応用（画像・音声・自然言語処理・強化学習・データ生成） ■AI・データ分析の事例紹介 ■講義・演習の振り返り ■今後に向けて学習アドバイス | 【演習1】 ■講義に関連するテスト+ 解説 ■受講者に解答を発表していただく ■Q&A、ディスカッション 【演習2】 ■講義に関連するテスト+ 解説 ■受講者に解答を発表していただく ■Q&A、ディスカッション |
『DX人材育成講座データサイエンス基礎』プログラム（1日版）
1日間の講義・演習を通じて、DXプロジェクトに必要な知識を学ぶとともに、成果物を作る過程を自ら体感することで、的確な判断と技術に関する円滑な会話が可能になります。
AI・機械学習・データ分析の重要概念と活用事例を体型的に学んだ上で、Pythonをハンズオンで自ら体験し、Pythonを用いた機械学習の実装をデモで実感していただきます。
全体を通してディスカッションを通じて、知識の定着を強化します。
| 一日 | ||
| AM | 【講義・AM】 ■データサイエンス、人工知能（AI）・機械学習の最重要概念 ■機械学習モデルの構築とデータ分析の流れ ■データリテラシーの基本（データの種類、データ収集、データの正しい扱い、前処理、モデルの学習、精度評価など） ■代表的な機械学習の手法、特徴と応用 ■ディープラーニングの特性と応用（画像・音声・言語処理・強化学習・データ生成） | 【演習AM】 ■講義に関連するテスト+ 解説 ■受講者に解答を発表していただく ■解説 ■Q&A、ディスカッション |
| PM | 【講義・PM】 ■機械学習を活用するための環境 ・データサイエンティストの標準言語Pythonの特徴 ・強力な分析パッケージの紹介（Numpy, Pandas, Scikit-Learn） 【実演】 ■機械学習を用いたビジネスデータの分析 ■講義・演習の振り返り、今後に向けた学習アドバイス | 【演習 PM】 ■Jupyter Notebook上でPythonで簡単なコードを書けるようになる ■ビッグデータ処理に必要な仕組みをハンズオン（繰り返し処理、条件分岐、関数など） |
『DX人材育成講座データサイエンス基礎』プログラム（2日版）
2日間の講義・演習・ワークショップを通じて、DXプロジェクトに必要な知識を学ぶとともに、成果物を作る過程を自ら体感することで、的確な判断と技術に関する円滑な会話が可能になります。
•１日目：AI・機械学習・データ分析の重要概念と活用事例を体型的に学んだ上で、Pythonと機械学習をハンズオンで実感。
•２日目：可視化分析とBIツールの基本事項を学んだ上で、事業に活かせるTableauの使い方を実践。ワークショップで購買履歴データを用いてダッシュボードを製作し、データをプレゼンを練習。
| DAY1 | DAY2 | |
| AM | 【講義・AM】 ■データサイエンス、人工知能（AI）・機械学習の最重要概念 ■機械学習モデルの構築とデータ分析の流れ ■データリテラシーの基本（データの種類、データ収集、データの正しい扱い、前処理、モデルの学習、精度評価など） ■代表的な機械学習の手法、特徴と応用 ■ディープラーニングの特性と応用（画像・音声・言語処理・強化学習・データ生成） ■講義に関連するテスト+ 解説 ■Q&A、ディスカッション | 【講義・AM】 ■可視化分析の意義と事例の紹介 ■BIツールの選び方と導入における注意点 ■Tableau ソフトウェアの特徴と他のBIツールの比較 【実践演習】 ■Tableau Desktopを用いたデータ可視化を実践 ・可視化に向いているデータの形式とは？ ・データの接続・入れ替え ・代表的なグラフを作成・書式の設定、フィルターの設定 ・計算フィルド・パラメータを活用して動的にデータを扱う |
| PM | 【講義・PM】 ■データ分析・機械学習のための環境 ・データサイエンティストの標準言語Pythonの特徴 ・分析パッケージの活用（NumPy, Pandas, Scikit-Learn） 【実践演習】 ■分析パッケージを使ったデータ処理（表データ・画像） ■決定木モデルの実装と精度評価の一連を体験 ■Q&A、ディスカッション | 【ワークショップ】 ■購買履歴データを用いてビジネス・ダッシュボードを制作 ・データビジュアライゼーションのベストプラクティス ・複数軸の情報を効率的に表示するコツ ・見えのよいプレゼンテーションの秘訣 ■課題・制作 + プレゼンテーションの特訓 ■全体のまとめ + 2日間の振り返り、質疑応答 |
内容（一部抜粋）
研修内での学習内容の一部を掲載しています。ご参考までにご覧ください。
そもそも、データサイエンスとは
・データサイエンスとは、データから有意義なインサイトを抽出する学問
データに対して整理、加工、観察、測定、計算などの操作を加える
複数の学術分野の集合体であり、社会に実装する上で、分野の専門知識、プログラミングスキル、数学・統計の知識などと組み合わせて使用する
シンプルに言えば「個々の観測対象から、集団の性質を抽出する技術」
データ活用における進歩の背景
もう１つは、オープンソースのプログラミング言語（Python、R など）
データ分析の手法は多様他種
データ分析の手法を目的や環境によって使い分ける
・Excelを用いた分析（統計分析に多い）
・PythonやRなどのオープンソース・プログラミング言語を用いた分析
・機械学習を用いた分析
B・IツールやAutoMLなどの、専門ソフトウェアを用いた分析
使える手法は分析担当者のスキルにも依存
（例）プログラミング経験者は。Python（スクレイピングとデータ加工）や機械学習（データ分析）を使うことができる
一方で、プログラミング未経験者は、Excelを用いた統計分析やマウス操作だけで分析を行える「セルフサービス型BIツール」を検討するとよい
データリテラシーとは
データから価値のある情報を抽出し活用する能力
- 今では、データサイエンスの専門家だけではなく、幅広い職業分野において、基本的なスキルセットの一部としてデータリテラシーが求められている
- 社員のデータリテラシーレベルが、データドリブン文化やDXの推進に重要
- IT部門に限らず、全社員にとって、データをもとに正しい判断ができることが重要
データリテラシーに関わる一般的なスキル
- データを正しく理解する（可視化、探索、洞察 など）
- データに潜在する問題を発見し解決する
- 必要なデータを収集し、分析に使えるかどうかを判別（網羅性、完全性、偏り、プライバシーなど）
- 分析の手掛かりとなる特徴量を見つける、加工する
- 適切な手法を用いてデータを分析し、価値のある情報を抽出する
- 分析の結果を評価・考察し、わかりやすく説明する
データが行動の論理的な裏付けになる
・意思決定の根拠を、データに基づいて論理的に、客観的に説明できる
（ 「経験則」や「勘」のような曖昧なものではなく）
➡︎ 説得力が上がり、信頼性が増す
・データ分析に適したPDCAサイクルでプロジェクトを進められる
・データを根拠とした正しい施策は、無駄なコストを減らし生産性を向上
（例）データ分析により、自社商品が最もアピールする顧客層を把握できると、効果的な販促戦略の確立や同じ購入層の中での併売作戦を考案できる
（例）ウェブサイトの解析を通じて、注目度の高いキーワードや閲覧が集中する時間帯を把握でき、アクセス数を伸ばすための施策につながる
準備・注意事項
■受講体制
基本的に１〜２週間前に教材を配布
➡︎ 事前学習に取り組んでいただくことで、ライブ講義の効率アップ
■研修に必要な環境
半日版：ノートPC (※1)
1日版: Pythonの環境（Anaconda NavigatorをインストールしたノートPC） (※2) (※3)
2日版: 1日版と同じくPythonの環境
Tableau Desktopをインストール
及びそれを使用できるライセンス（2週間有効の無料版も使用可）
(※1)WindowsまたはMacOSを推奨。ブラウザはGoogle Chromeを推奨
(※2) セットアップマニュアルをご提供
(※3) Anaconda Navigatorソフトウェアをインストールすることで、Python、Jupyter Notebook、様々なライブラリを使用可能になる。
導入不可能の場合は代替手法をご用意
■貴社に依頼したい事項
受講者へのファシリテーション
（研修の目的の共有、受講環境の準備、可能であれば、予習・復習の後押し）
■カスタマイズ / オプション ※一部費用別途
- 研修の前後の一定期間中に、チャットツール/メールを用いたコーチング・サポート
- 研修実施後に、課題を出して、一定期間中に受講生の課題演習をサポート
- 本プログラムの講義部分（またはその一部）を事前の動画視聴（e-Learning）に変更す可能
- 10-30名での実施を想定しています。少人数 / 大人数の場合には、別途ご相談ください
- その他、不明な点等、ございましたら、当社営業にご相談ください
