マーケティングデータサイエンティスト養成講座

講座概要

 ■開講月  2月、6月、10月

 ■料金   50万円(税込)

 ■修了期間 4ヶ月(54時間)

 ■修了認定 下記3要件を満たした場合、修了証を交付
       ・全科目受講(各科目90%以上出席)
       ・最終テスト70点以上
       ・事例プレゼンテーションに合格

No.テーマ内容時間
1マーケティングのための実践統計学 1. データの視覚化(箱ひげ図、ヒストグラム、散布図)
2. 基本統計(平均、分散、標準偏差、Z値、中央値、中央絶対偏差)
3. 分布(正規分布、t分布)
4. 母集団と標本(検定のしくみ、2種類の過誤)
5. t検定(P値、区間推定、効果量、検出力)
6. カイ2乗検定(カイ2乗分布、効果量)
7. 相関分析(散布図、積率相関係数)
  ・交絡要因と偏相関係数
8. 重回帰分析(標準化偏回帰係数、自由度調整済み決定係数)
  ・交互作用のある場合、ダミー変数を用いた場合
12
2Rによるデータ解析 1. Rとは(R、Rstudioのインストール)
2. Rの基本的な使用方法
3. 基本統計量、各種グラフと外れ値
4.t検定(対応の有無、区間推定、効果量、検定力)
5. 2種類の過誤とサンプルサイズの設定方法
6. ノンパラメトリック検定(ウイルコクソン検定、対応の有無)
7. 分散分析(テューキー、ボンフェローニ、ホルム)
8. 重回帰分析(ダミー回帰)
9. ロジスティック回帰分析(オッズ比、傾向スコア)
10.主成分分析
11.因子分析(主因子法、最尤法、直交回転、斜交回転)
12.階層的クラスター分析(群平均法、ウオード法)
12
3Pythonによるビッグデータ解析 1. Pythonとは(Jupyter Notebook、Matplotlib、 Pandas、 scikit-learn)
2.(データベースの基本知識、ファイルの結合)
3.教師あり学習による予測
  ・重回帰による予測と影響因子の絞込み、データの標準化
  ・オーバーフィッティング(過剰適合)と多重共線性
  ・サポートベクタマシン/ニューラルネットワーク
4.教師あり学習によるクラス分類
  ・ロジスティック回帰、決定木、ランダムフォレスト (アンサンブル学習)
  ・Precision(適合率)とRecall(再現率)
5.教師なし学習によるクラスタリング
  ・k-means クラスタリング、クラスタリング と 決定木 の組合わせによる分析
6.教師なし学習によるアソシエーション分析
  ・アソシエーション分析
7.自然言語処理とテキストマイニング
  ・MeCab、ジップの法則、単語のベクトル化
12
4実践力の養成 Ⅰ アンケート調査法
  1.調査の分類、バイアス、質問項目の作成法
  2. 回答形式、尺度化の方法
  3. 調査結果の集計方法
  4. 平均値の違いについての検討
  5. クロス集計表による検討
  6. 2群以上の因果関係の検討
  7. サンプルサイズの設定方法
Ⅱ 販売予測・需要予測
  1.対数グラフによる観察法
  2. 指数平滑法
  3. 時系列分析(移動平均法、季節指数)
    ・TCSI分離法による予測
  4. 回帰モデルによる予測
    ・トレンド、季節指数を用いた予測
    ・ダミー変数を用いた予測
12
5事例発表会 課題解決事例の発表(解析方法の立案・ 解析、プレゼンテーション実施) 6
54
  〇修了認定者には、統計検定2級取得を無料サポートします。
   検定2級対応講座(過去問開設講座)を無料にて受講可能です。