いばらき高度it人材アカデミー概要説明...2020/11/09 ·...

© 2020 DataMix Co.,Ltd.

いばらき高度IT人材アカデミー概要説明

1© 2020 DataMix Co.,Ltd.


開講講座のカリキュラム


いばらき高度IT人材アカデミー


カリキュラム


基礎（準備ステップ）からスタートすることで、無理なく学習していきます。

11/28から毎週土曜日に、午前3時間・午後3時間のライブ講義を行います。

アドバンスステップ

ブートキャンプステップ

準備ステップ

● 統計学に関する知識理解（3回）○ Rによるプログラミング

● 自然言語処理・画像処理に関する知識理解（3回）

● ビジネストランスレーター向け実践演習（3回）○ 分析結果評価、分析提案立案（ PBL形式）

● データサイエンティスト向け実践演習（3回）○ データ分析（PBL形式）

　※PBL :Project Based Learing。ビジネスケースに基づいたプロ　　　　　ジェクト型演習

● ビジネス統計学入門（2回）● プログラミング基礎（3回）● SQL入門（2回）

● AI・機械学習に関する知識理解（6回）○ Pythonによるプログラミング

実践

知識習得

ベーシックステップ


高度なデータ分析技術を用いてビジネスの課題の解決ができる

● 体系立てて学習することで、データ分析技術の引き出しを増やします

● 理解を深めるためのクイズやハンズオンでの演習（予復習含む）を数多く実施し、理解す

るだけなく手を動かせることを目標にします

● 講師とTAの2名体制で講義を行います。クラス内での議論や講師とのやりとりを多くすることで内容

の理解を深めることができます

本講座のゴールと特徴

● 「なぜこの分析手法を使うのか」を技術的な側面とビジネスの側面から判断できる

● PythonやRを使って求められている課題に対し適切な分析手法を実行できる

（やってはいけないことも理解している）

● 分析結果をクライアント（社内・社外問わず）にわかりやすく説明できる

学習ゴール

講座の特徴



統計学や機械学習といった手法をビジネス現場で活用するために、

● どのようなビジネスシーンで

● どのように思考して

技術を適用すれば良いのかをビジネスケースを通じて学習します。

機械学習のビジネスケースの例統計学のビジネスケースの例

ビジネスケースを用いた学習



eラーニングからライブ講義への反転学習

eラーニングによる予習と、ハンズオン演習やグループワーク・

ケーススタディを中心としたライブ講義を行い、短い時間でより深い理解を促進し、かつ

実践的なスキルを養います。

予習ライブ講義

eラーニング動画視聴ハンズオン演習・グループワーク

Python・Rによる演習やケーススタディ

知識を認識する知識を理解する知識を使って分析・評価する

授業の進め方

授業例

ハンズオン演習・グループワークといったアウトプットを中心とした講義により、知識の理解の促進に注力します。

ケーススタディ・分析プロジェクトを通じて「分析により手を動かす」「評価する」ことに注力します。

eラーニング教材で、データサイエンスの知識をインプットし、認識します。

ブートキャンプステップ - 機械学習モジュール● 各機械学習アルゴリズムに関する概要を押さえ

る

● Pythonによるデータ加工や機械学習を用いたモデル構築方法の基礎を押さえる

ハンズオン演習・グループワーク（知識の理解）● Excelによる決定木（機械学習アルゴリズムの一

種）の計算演習を行い、モデルの挙動を理解する

Pythonによる演習（知識の適用）● 自動車配車ビジネスに関する小ケースを例にし

て、Pythonによる教師あり学習を構築する



講義中以外での学習に関する質問は、受講者専用のコミュニケーションシステム（Slack）にて受け付けます。

質問以外にも宿題の回答や、受講生同士のコミュニケーションにも使用していただけます。

7

● 実践演習の学習期間に、受講者個別にメンタリングセッション（オンライン面談）を実施いたします。今後の学習やアウトプット作成に向けて、個別相談が可能です。

● ライブ講義を録画したアーカイブ動画を閲覧できます。復習や欠席時のキャッチアップにご利用ください。

受講中のサポート体制

© 2020 DataMix Co.,Ltd. 8

スケジュール（1/2）準備ステップ

2020/11/28(土)10:00~13:00

オンライン

ビジネス統計学入門1

14:00~17:00 ビジネス統計学入門2

2020/12/5(土)10:00~13:00 プログラミング基礎1

14:00~17:00 プログラミング基礎2

2020/12/12(土)12:30~13:45

対面※水戸市内を予定

交流会

14:00~17:00 プログラミング基礎3

2020/12/19(土)10:00~13:00

オンラインSQL入門1

14:00~17:00 SQL入門2


2021/1/16(土)10:00~13:00

オンライン

機械学習を用いたビジネス課題解決の全体像の把握

14:00~17:00 ハンズオン演習を通じた教師あり学習の理解

2021/1/23(土)10:00~13:00 Pythonによる教師あり学習の適用

14:00~17:00 ハンズオン演習を通じた教師なし学習の理解

2021/1/30(土)10:00~13:00 Pythonによる教師なし学習の適用

14:00~17:00 ハンズオン演習及びPythonによる精度評価指標の理解・適用


スケジュール（2/2）ベーシックステップ

2021/2/6(土)10:00~13:00

オンライン

ハンズオン演習及びRによる統計学入門の理解・適用

14:00~17:00 ハンズオン演習及びRによる回帰分析の理解・適用

2021/2/13(土)10:00~13:00 ハンズオン演習及びRによる回帰診断の理解・適用

14:00~17:00 ハンズオン演習及びPythonによるディープラーニング基礎の理解・適用

2021/2/20(土)10:00~13:00 ハンズオン演習及びPythonによる自然言語処理基礎の理解・適用

14:00~17:00 Kaggle in classを通じたコンペ形式のモデル構築演習


2021/2/27(土)10:00~13:00

オンライン

シェアリングエコノミーに関するビジネスケースに基づいた分析提案書の作成

14:00~17:00 同上

2021/3/6(土)10:00~13:00 分析結果報告書の評価

14:00~17:00 求人サイトビジネスのデータを用いた分析提案書の作成

2021/3/13(土)10:00~13:00 同上

14:00~17:00 AutoMLの理解・適用、統計学と機械学習の繋がりの理解

2021/3/20(土) 13:00~17:00 対面※水戸市内を予定

成果発表・修了式


ビジネス統計学入門

カリキュラム

No.

主な学習テーマ演習予習教材

1

Excelによる統計学入門（確率分布、仮説検定）● Excelを使用した確率分布の理解● Excelを使用した仮説検定の理解

● 確率分布に関する演習問題：二項分布・正規分布・ポアソン分布など

● 仮説検定に関する演習問題：1標本/2標本t検定：カイ二乗検定

eラーニング「統計学入門」視聴

2Excelによる相関分析・重回帰分析

● 重回帰分析の理論とExcelでの実行方法● Excelによる簡単な回帰診断の実行方法

● 重回帰分析に関する演習問題：コンビニチェーンや自動車データを使用した演習

● 回帰診断に関する演習問題：多重共線性・層化など

無し

学習ゴール

● 仮説検定や回帰分析といった統計解析手法を理解し実行できるようになる

● 統計学の初歩の初歩から初めて、最終的には仮説検定や重回帰分析といった統計解析を使った課題解決力を身に付けます。

● どのようなビジネスシーンで理論を適用すれば課題を解決できるのかを体得するため、ビジネスシーンをイメージした演習問題を行っていきます。。

特徴



準備ステップ



プログラミング基礎

学習ゴール

カリキュラム

● 問題を分解しパーツの組み合わせによって解決方法を考えられる「プログラミング思考」ができる

● forループ、if文などプログラミングの基本的なロジックを理解する● Pythonで簡単なコーディングができる● 機械学習に興味を持つ

特徴

● 実際にプログラミングをしていただきながら繰り返し・条件分岐といった基礎的なロジックを身につけます。● 自走できるレベルのプログラミングスキルを身につけます。

No. 主な学習テーマ演習

1 ● 基本的なPythonの構文理解● 演算● 変数● 配列

● 条件分岐● 繰り返し● 関数

2 ● Pythonの基本文法の振り返り● Pythonの基本文法を用いた総合演習

● 複雑な処理を基本構文の組み合わせで関数化する

3 ● Pythonで表形式データを扱う● 機械学習を利用したモデル構築のデモ

● 複数のExcelファイルの読み込み● 自動化処理



準備ステップ



SQL入門

カリキュラム

No. 主な学習テーマ演習

1

データ分析のためのデータベース入門

SQL初級● データ抽出と条件指定 ● グループ集計

SQL中級● テーブルの内部結合● テーブルの外部結合

● 「SELECT・FROM・WHERE・GROUP BY・INNER JOIN・LEFT OUTER JOIN」に関する演習問題

2SQL上級

● サブクエリとWITH句● CASE式と横持ち・縦持ち

● 「サブクエリ・WITH句・CASE式」に関する演習問題

学習ゴール

● 必要なデータの形を定義することができる● SQLを使ってデータの抽出、データの加工ができる

● あるニュースアプリ企業のデータを模した3000万レコードを超える大規模データを使った演習ができるため、実践的です。

● エンジニアリングの視点ではなく、あくまでデータサイエンスプロジェクトで求められるデータ加工テクニックの習得にフォーカスしたカリキュラムです。

特徴



準備ステップ



ブートキャンプステップ1〜3機械学習に関する知識の獲得と、 Pythonのプログラミングに慣れることがゴー

ルです。

No.

主なアジェンダ学習ゴール予習教材

1

● 機械学習の全体像の把握

● 不動産ビジネスに関する小ケースを例にし

たビジネス課題から分析課題への翻訳

● Pythonを用いたモデリングプロセスの把握

機械学習概観の説明、及び不動産仲介ビジネスの小ケースに基づき、ビジネ

スシーンにおける機械学習の使い所をウォークスルー形式で体感することで、

機械学習を学ぶモチベーションを高める。

またウォークスルーを通じて、データ前処理・機械学習モデル構築・精度評価

指標によるモデル評価の一連の流れを理解する。

eラーニング「ビジネスフィールドでのAI・データ活用スキル」の視聴

2

● Excelによる決定木アルゴリズムと過学習

・Cross Validation・ハイパーパラメータの

理解

● グループワークによるランダムフォレスト

アルゴリズムの理解

● デスクトップリサーチによるハイパーパラ

メータの理解

教師あり学習における学習（パラメータを更新して目的関数を最小化するとい

うプロセス）の理解から始まり、主要なアルゴリズムの理解およびハイパーパ

ラメータの調整方法に関して学習する。

また各トピックにおいてExcelを用いて実装することで、アルゴリズムの概要の

みでなく数式レベルでの理解を深める。

eラーニング「教師あり学習基礎」の視聴

3● 自動車配車ビジネスに関する小ケースを例

にしたPythonによる教師あり学習の構築

自動車配車に関するビジネス小ケースを通じて、機械学習モデルを構築す

る。

実際に分析課題をハンズオン演習形式で解くことで、理論的な知識の理解の

みならず、Pythonを使った実データへの機械学習モデルの適用ができるよう

になる。

eラーニング「Pythonによる教師あり学習」の視聴



準備ステップ



ブートキャンプステップ4〜6

No.


4

● ExcelによるKmeansアルゴリズムの理解● Kmeansによるクラスタリング結果を解釈す

る演習問題● 自分/自社ビジネスにおける教師なし学習の

活用可能性を考える演習・発表

主要な教師なし学習アルゴリズムの一つであるKmeans法の考え方を理解する。Excelを用いて実装することで、アルゴリズムの概要のみならず、数式レベルでの理解を深める。自分/自社でどのように活用できるかをディスカッションし、教師なし学習の活用可能性まで検討することができることも狙いとする。

eラーニング「教師なし学習基礎」の視聴

5 ● 電力小売に関するビジネス小ケースを例にしたPythonによる教師なし学習の構築

電力小売に関するビジネス小ケースを通じて、実際の分析課題に対して教師なし学習モデルを構築する流れを理解する。分析課題としてのケーススタディをハンズオンで演習し、理論的な知識の理解のみならず、Pythonを使った実データへ教師なし学習を適用できるようになる。

eラーニング「Pythonによる教師なし学習」の視聴

6

● ExcelによるMSE・RMSE・Confusion Matrix・AUCの理解

● 不均衡データに対する、Pythonによるモデリングプロセス及び精度評価指標の適用

Excelを利用して教師あり学習における精度評価指標を理解し、データの構造や問題から適切な評価指標を選択できるようにする。またPythonで不均衡データを取り扱い、不均衡データに対して精度評価指標を適用する際の注意点を理解できることを狙いとする。

eラーニング「モデルの性能評価指標」の視聴

ビジネスケースを織り交ぜた演習により、知識の定着を図ります。



準備ステップ



ベーシックステップ1〜3統計学に関する知識の獲得と Rのプログラミングに慣れることを目標にします。

No.


1

● 統計学の全体像の把握

● Rを用いた確率分布に関する演習問題

● Rを用いた仮説検定に関する演習問題（一

標本によるt検定・二標本によるt検定・カイ

二乗検定）

● 自分/自社ビジネスにおける確率分布・仮説

検定の活用可能性を考える演習・発表

統計学の基礎知識である確率分布と仮説検定の概念や考え方を学習する。

特に仮説検定の考え方や計算過程は複雑なので、実務的なデータを使用

しハンズオン形式の演習を複数おこない、幾何的な理解を深める。

またRによる操作方法も理解し、確率分布や仮説検定に関するRの実行結果を

解釈できるようになることを最終的な狙いとする。

eラーニング「Rによる統計学基礎」の視聴

2

● Rを用いた線形回帰分析に関する演習問題

● Rを用いたロジスティック回帰分析に関する

演習問題

● 自分/自社ビジネスにて回帰分析の活用可

能性を考える演習・発表

実務で非常に良く使われる統計学の重要知識である重回帰分析及びロジス

ティック回帰分析の概念や考え方を学習する。

実務的なデータを使用し、Rによるハンズオン形式の演習を複数おこなうことで、

Rの実行方法や分析結果の解釈の理解を深める。

最後に、自分/自社でどのように活用できるかをディスカッションし、データ及び回

帰分析の活用可能性まで検討することができることも狙いとする。

eラーニング「Rによる回帰分析」の視聴

3● お菓子メーカーに関するビジネス小ケース

を例にしたRによる回帰分析・回帰診断の

適用

実務で統計的分析を行っていくにあたり、注意しなければならない回帰診断の概

念や考え方を学習する。

ビジネスに即したケーススタディに基づいて、Rによるハンズオン形式の

総合演習をおこなうことで、回帰診断の手法である変数選択・層化・外れ値・多

重共線性といった考えの理解を深める。

最終的に、3日間の統計学モジュールのゴールとして、実務で使える分析の流れ

を一気通貫で理解することを狙いとする。

eラーニング「Rによる回帰診断」の視聴



準備ステップ



ベーシックステップ4〜6非構造化データである画像とテキストデータの分析手法に関する知識を獲得することが

ゴールです。

No.


4

● NN, DNN, CNNの理解を深めるための演習及びPytorchによる実装演習

● 有名ネットワークに関するデスクトップリサーチ及びPytorchによる適用

● ビジネスに適用する際に考えるべき論点に関するデスクトップリサーチ

Excelや手計算によりNN・DNN・CNNの理論に関して人に説明できる程度の理解を目指す。Pytorchにおける実装も行い、自分でディープラーニングネットワークを構築する力を養う。また最新手法の有名ネットワーク構造をリサーチすることで、自走してディープラーニングを学習できる程度まで理解を深める。最後にディープラーニング活用の論点出しを行うことで、今後のディープラーニングの社会実装において重要な視点を養うことも狙いとする。

eラーニング「ディープラーニング基礎」の視聴

5● ExcelによるBoW・TF-IDF・word2vecの

理解● Pythonによる自然言語処理の適用

本講義では、演習を通じて形態素解析・BoW・TF-IDF・word2vecといった自然言語処理における基本的な処理方法の考え方を学習する。また実際のテキストデータに対して、各処理をPythonにより実装することで、自然言語処理に関する知識をデータに対して適用できることを狙いとする。

eラーニング「自然言語処理基礎」の視聴

6 ● Kaggle in class ~予測モデル構築コンペ形式演習~

本講義では、機械学習・自然言語処理・ディープラーニング等の知識・技術を新規データに適用して予測モデルを構築する能力を養う。コンペ形式の予測モデル構築演習を解くことで、短い演習時間で、分析スコープをコントロールしてモデル構築を完遂させる能力の醸成も狙う。

なし



準備ステップ



アドバンスステップ1〜3ブートキャンプ・ベーシックステップで学習した知識を活用するために、ビジネス課題と分

析課題や分析結果の間を ”翻訳する”スキルにフォーカスした内容で、ビジネスケースに

基づいたプロジェクト型演習（ Project Based Learing: PBL）を実施します。

No.


1 ● シェアリングエコノミーに関するビジネスケースに基づいた分析提案書の作成

これまで学んだデータサイエンススキルに関する知識を用いて、ビジネス課題

から分析課題に落とし込む考え方をケーススタディを通じて

学習する。

ビジネスケースを読み解き、ビジネスの整理、ビジネス課題と分析課題の仮説

出し、そして実際に分析提案書の作成まで、実務の流れに沿った形でグルー

プワーク・演習を行い、重要スキルである分析課題の起案に関する理解を深

めることを狙いとする。

ビジネスケースの読み込み

2 ● シェアリングエコノミーに関するビジネスケースに基づいた分析提案書の報告

3● e-learning用教材に関するビジネスケー

スに基づいた分析結果報告書のレビュー

本講義では、分析結果報告書のレビュー演習を通じて、分析結果報告書のレ

ビュースキル・作成スキルの向上を目指す。

事前に用意された分析結果報告書を読み解き、分析結果報告時に必要な観

点の整理、そもそも分析依頼時の課題の分解方法等、重要なスキルである、

分析結果の報告に関する理解を深めることを狙いとする。

ビジネスケースの読み込み



準備ステップ



アドバンスステップ4〜64〜6では、データ分析プロジェクトにおけるデータサイエンティストとして必要なスキル

を、ビジネスケースに基づいた PBLを通じて体得します。

No.


4

● 求人サイトビジネスのデータを用いたデータ分析

本講義では、これまで学んだデータサイエンススキルに関する知識を用いて、

複雑なデータを処理してモデル構築するスキルをケーススタディを通じて養う。

与えられたビジネス課題・分析課題を解くために、データ抽出・前処理、モデル

構築や精度確認まで、実務の流れに沿った形でグループワーク・演習を行い、

データサイエンティストに必要な重要スキルである複雑なデータに対する分析

能力の向上を狙いとする。

・Kaggleへの登録

・データベースへのアクセス

5

6● AutoMLの理解・適用● 統計学と機械学習の繋がりの理解● テクニカルインタビュー

本講義では、AutoMLの理解・適用、統計学と機械学習の繋がりの理解を通じ

てこれまで学んだデータサイエンススキルに関する知識をさらに向上させ、今

後データサイエンスに関する学習の自走ができるラインまで引き上げることを

目指す。

また、テクニカルインタビュー形式のグループワークを通じて、これまで学習し

た中でデータサイエンティストとして重要なテクニカル知識を定着させ、理解を

さらに深めることを狙いとする。

課題資料の読み込みと提出



準備ステップ



受講手続きについて


いばらき高度IT人材アカデミー


ビジネスシーンでのデータサイエンス技術適用を志向する方● ビジネス課題を解決することに興味がある方

（ビジネス課題を解決するための道具として分析手法を駆使したい方）

想定受講者

高校数学レベルの知識がある方● 得意でなくても構いません。

○ 関数の概念がわかることf(x) = x + 1 と書いてあって意味がわかる

○ 対数（log）の意味がわかることlog2 8 = 3 であることがわかる

○ 確率の計算ができること六面サイコロを2回振ったときに、最初に「 1の目」、次に「2の目」が出る確率が求められる

○ cosθの意味がわかること

○ ベクトルの「内積」と言われてピンとくること

○ ベクトルと行列の簡単な計算ができること


原則として講座を全日程受講でき、講義とは別に週に10時間程度予習や復

習を実施する時間を確保できる方


必要なソフトウェア等

ノートPCをご用意ください。対面講座時に持参いただきます。- スペックはメモリが4G以上（8G以上が望ましい）

- Microsoft Excelが使えること

PythonやRなどのソフトウェア実行環境をご用意ください- 使用方法は講義開始時にご案内いたします

- PCへのインストール権限が必要となる場合があります

21

Zoomを利用いたします- ライブ講義はすべてZoomによるオンライン形式です。

（12/12と3/20の2回の対面講義を除く）

- オンライン講義時のネットワーク環境は各自ご準備ください

Googleアカウントをご用意ください- Google Colaboratory を使用いたします。

- GoogleスプレッドシートやGoogleスライドを講義にて使用いたします


受講要件

応募資格

次の(1)又は(2)、かつ(3)を満たすこと

(1) 受講終了後５年間茨城県内企業に勤続する予定の者、又は、

受講終了後５年以内に茨城県内で起業若しくは就職する予定の者

(2) 応募時点で茨城県内に在住する者、又は県内の学校・企業等に通う者

(3) 1又は2を満たすことを県が確認するための調査に協力すること

受講料

12万円又は24万円（上記応募資格への該当状況により受講料が異なります）

受講決定通知の翌日から起算して14日以内に銀行振込にてお支払いただきます

受講定員

20名（定員を超えた場合は選考により受講を決定します。）

22

受講料応募資格(1) 応募資格(2) 応募資格(3)

12万円 ○ ○ ○24万円 ○ × ○24万円 × ○ ○


申込期間

令和2年11月4日(水)〜11月20日(金)正午まで

申込方法と受講までの流れ1. 下記URL（右QRコード）へアクセスし、メールアドレスを入力

https://s-kantan.jp/pref-ibaraki-u/offer/offerList_detail.action?tempSeq=164192. メールアドレス宛に届くメール【連絡先アドレス確認メール】に記載されたURLから

申込フォームへアクセスし、必要事項を記載して送信

3. 申込完了通知メールを受信

4. 県から受講可否通知メールを受信

5. 受講決定者には、委託先である（株）データミックスより、受講料支払手続き及び受講に関する案内メールを受信

募集要項詳細https://www.pref.ibaraki.jp/shokorodo/sangi/datascientist.html

申込方法

23

受講定員を超えた場合、申込時の記入事項もしくは追加聞き取りにより、

下記内容等を考慮した受講者の選定が茨城県により行われます。

※受講動機、講座受講後の活用方法、同一企業からの応募人数

申込に関する問い合わせ先茨城県産業戦略部技術振興局技術革新課　イ

ノベーション創出グループ

電話　029-301-3522 メール　shosei5＠pref.ibaraki.lg.jp

https://s-kantan.jp/pref-ibaraki-u/offer/offerList_detail.action?tempSeq=16419

https://www.pref.ibaraki.jp/shokorodo/sangi/datascientist.html

https://www.pref.ibaraki.jp/shokorodo/sangi/datascientist.html

いばらき高度it人材アカデミー概要説明...2020/11/09 ·...

Documents