2020年9月29日より、
総務省が、将来の経済成長を担う“データサイエンス”力の高い人材育成のため、誰でも無料で受講できるデータサイエンス・オンライン講座「社会人のためのデータサイエンス演習」を開講しました。
これからの時代は、人工知能に代表される様に、統計的な思考力によって様々な課題を解決していく能力が必要な時代になってきていますが、私などは、こんなの「人工知能」に任せておいて、あくまで参考資料として使えれば良いのではないかと考えてしまいますが、しかし仕組みだけは勉強しておく必要があるでしょう。
第１週目は良いとしても、第2週目からは、データ分析に必要な統計学の基礎を学ぶ様になって居ますので、ちょっと、文系の方は理解できるでしょうか。
コースは4つの部分に分かれている
| 第１週：データサイエンスとは
社会でデータがどのように活用されているかについて、実際のデータを用いた分析事例を紹介 |
|
| ・ | “データサイエンス”力の高い人材育成について |
| ・ | データサイエンスが必要とされる背景 |
| ・ | データサイエンスに求められるスキルや知識 |
| ・ | データサイエンスの将来 |
| ・ | PPDACサイクルに沿った問題解決の進め方 |
| ・ | 分析の設計手法 |
| 第２週：分析の概念と事例 ～ビジネス課題解決のためのデータ分析基礎（事例と手法）①～ |
|
| ・ | Analysis（分析）とは |
| ・ | １変数の状況の把握①（可視化の活用） |
| ・ | １変数の状況の把握②（代表値の活用） |
| ・ | 比較して２変数の関係を見る |
| ・ | ビジネスにおける比較①（概要） |
| ・ | ビジネスにおける比較②（適切なA/Bテストの活用） |
| 第３週：分析の具体的手法 ～ビジネス課題解決のためのデータ分析基礎（事例と手法）②～ |
|
| ・ | クロス集計の軸設定と見方 |
| ・ | 散布図と相関の調べ方 |
| ・ | 相関関係と因果関係の違い |
| ・ | 時系列データの見方 |
| ・ | 時系列データの分解の方法 |
| 第４週：ビジネスにおける予測と分析結果の報告 ～ビジネス課題解決のためのデータ分析基礎（事例と手法）③～ |
|
| ・ | 回帰分析による予測 |
| ・ | モデル評価と予実評価 |
| ・ | 分析結果の報告（記述/可視化方法） |
| ・ | 分析結果の報告（解釈の注意点） |
| ・ | 予測・分類等代表的手法と活用場面 |
| 第５週：ビジネスでデータサイエンスを実現するために | |
| ・ | 各週のおさらい |
| ・ | データ分析に基づく問題解決ケーススタディ |
| ・ | 様々な企業で活躍するデータサイエンティスト |
| ・ | 企業でデータサイエンスを実現するためのポイント |
| ・ | 講座のまとめ |
▮講座の⽬的：
ビジネス上での分析事例を中⼼に実践的なデータ分析（統計分析）の⼿法を習得する
▮開講⽇ ：令和２年９⽉29⽇（⽕）
▮学習時間：１回10分程度×５〜６回程度（１週間）×５週
▮課題 ：各週の確認テストと最終課題の実施
▮講師 ：データサイエンスに携わる専⾨家、⼤学教授、総務省統計局職員
＜本サービスについて＞
JMOOC(日本オープンオンライン教育推進協議会)と連携して、ドコモgacco社が提供しているものです。 gaccoは、オープンなオンライン教育環境の実現に必要な本格的な基盤サービスの提供を通じて、受講生にとって付加価値が高い新たな学習モデルを提供することを目指しています。
受講登録が必要です。
・「社会人のためのデータサイエンス演習」 サイト
https://gacco.org/stat-japan2/
Sponsored Links