データサイエンス教室
GO SLOW
仕事で使えるデータサイエンス をマンツーマンで教えます
データサイエンス教室
GO SLOW
仕事で使えるデータサイエンス をマンツーマンで教えます
数学を学ぶことが
仕事で通用するデータサイエンス を身につける最短距離です
データサイエンス 業界によくあること
データサイエンス の業界にいると、意外と数学の力が不足している人がいます。例えば統計検定2級に不合格だった人から話を聞くと、数学でつまづいていたりします。Pythonでデータを分析してとりあえず予測モデルを作るのは誰にでもできます。データを読み込んで分析ライブラリを適用するだけでいいからです。しかし数学的な解釈ができなければいつも誰かに分析結果を確認してもらう必要があります。数学の力がある程度ないと自立して仕事ができないのです。
変化が激しいデータサイエンス の世界
2015年くらいまでは分析のプログラミング言語について「PythonとRのどちらがよいか」という議論がよくありました。今では多くの人が「Python」を勧めます。そのPythonも数年前まではPythonのバージョン2とバージョン3の両方がよく見られましたが、今ではバージョン3しか見られません。バージョン2でPythonを学んでいた人はバージョン3を学び直しているでしょう。しかし将来もPythonが使われ続けるかはわかりません。プログラミング言語だけでなく、分析手法も流行り廃りがあり、変化しています。常に変化しているのです。世の中にはデータサイエンス 講座がたくさんありまが、そこで学んだことがずっと使える保証はどこにもありません。必ず学び直しが必要になります。
数学ができると学び直しが楽にできます
すべての技術の基礎には数学が必ずあります。プログラミング言語も数学ができると学びやすいのです。分析手法を学ぼうと思うと必ず数式が出てきます。仕事で分析をする時にも、数学ができると分析の方針を立てやすくなります。数学ができると学び直しが楽にできます。さらに言うと学び直しだけでなく、数学を学ぶことが仕事で通用するデータサイエンスを身につける最短距離になります。
変わることのない数学
数学を学びビジネスで使用してきた講師が、数学から実務で培ってきたデータサイエンス を教えます。
目指すところは仕事で使えること
仕事で使えるデータサイエンス
GO SLOW では本当にデータサイエンスの仕事ができる技術を習得することを目指します。最低限必要な数学の基礎から積み上げて統計、データサイエンスを教えます。統計検定2級に合格してから、Pythonでデータ分析のためのプログラミングを学んで、マーケティング分析(この講座のゴール)に到達します。希望に応じてより先のデータサイエンスの世界に入っていけるようにサポートしていきます。
マーケティング分析とは
データサイエンスには人工知能や車の自動運転のようなものがあります。それらはもちろん世の中の役に立つデータサイエンスですが、数学の基礎力も高いものが必要になります。そこまで高い数学の基礎力がなくてもビジネスの役にたつデータサイエンスがあります。それがマーケティング分析です。マーケティング分析には以下のようなものがあります。
・回帰分析:顧客の行動パターンなどを知る
・主成分分析:主な購買動機を知る
・因子分析:顧客の行動理由を探る
・ロジスティック回帰分析、ツリー分析:顧客を2グループに分ける(分ける基準がはっきりわかる時)
・クラスター分析:顧客を2つ以上のグループに分ける(分ける基準がわからない時)
一番需要があるのはマーケタータイプ
データサイエンティストにはエンジニアタイプ、アナリストタイプ、マーケタータイプの3種類あります。データサイエンティスト協会の調査によると、この3種類で一番需要があるのはマーケタータイプです。ビジネスを理解して分析を知らない人に価値のある情報を提供できる人が最も需要があります。GO SLOWではマーケティング分析を一つのゴールにしています。
GO SLOWのデータサイエンス 講座の特徴
GO SLOWのデータサイエンス講座は1つのみ!詳細はこちら
1. 代表がマンツーマンで指導します。
経験豊富な代表が直接指導していきます。
2. 一方通行ではなく、対話をベースに授業を進めます。
一方通行ではなく、対話をしながら授業を進めます。小さな疑問も常に解消することで、学習につまづきがなくなるようにします。
3. 毎回小テストで理解度をフィードバック。現在地とゴールのGAPを常に確認します。
毎回小テストをします。理解度をフィードバックします。ゴールまであとどのくらい学習すれば良いかがわかります。
4. 数学の基礎力を重視して、ビジネスに通用するようにします。
統計検定2級に合格するのも、仕事のクオリティも数学の基礎力が決め手になります。
数学の知識がなく統計やプログラミングを始めても、数学でつまづき戻ることになります。
すべての人に数学を1から勉強していただきます。急がば回れです。一見遠回りになることが実は近道になります。
5. 課題をこなせる方のみ対象となります。
授業だけでは学習量は足りません。課題を出すので課題で復習をして、授業ではできる限り学習を先に進めることで時間を有効に使いたいと思っています。授業の中で必要に応じて過去の学習内容の確認はやりますが、課題をやって頂くのが受講の条件となります。
6. ゴールまでにかかる学習時間は人によって異なります。
学生時代にどれだけ数学を勉強していたか、数学の基礎をどこまで理解してるか、どれだけ課題をこなしたか、現在の理解度など人により異なります。したがって、ゴールまでに必要な時間も人により異なります。
カウンセリングにて目安としての必要な時間をお伝えして、コミュニケーションをとりながら学習を進めます。
数学の経験が少ない方は、相当な努力、学習時間が必要になります。
学習の流れの全体像
以下のようなステップになります。
数学
文字式、数式の処理、図形と方程式、三角関数、指数関数、対数関数、極限、微分積分
データサイエンスのための数学の基本です。計算ができるようになるだけでなく、計算の意味も理解して、確率・統計、機械学習などを実務レベルで必要な理解ができるようにするための基礎知識を身につけます。
確率
順列、組合、確率の定義、乗法定理、加法定理、条件付き確率、確率変数、期待値、分散、確率分布
微分積分を基礎にして、統計やデータサイエンスを理解するための確率を理解します。
統計(統計検定2級合格目標)
確率分布、代表値、回帰分析、時系列解析、
微分積分、確率の理解をベースにして、統計検定に合格できる力を講義と演習で養います。特に試験に合格することをめざすので、演習に重点を置きます。
プログラミング
Python(Numpy, Pandas, notebook)
分析に必要なデータ処理をプログラミング言語Pythonを使って覚えます。クラウドの環境を使うのでPythonの環境を構築する必要はありません。
マーケティング分析(GO SLOWのデータサイエンス 講座のゴール)
マーケティングの基礎、回帰分析、主成分分析、因子分析、ロジスティック回帰分析、ツリー分析、クラスター分析
マーケティングの基礎を学習してから、分析手法の使い方を演習をしながら身につけていきます。
機械学習
教師あり学習、教師なし学習、強化学習
画像認識・音声認識・自然言語処理・IoT・AI
画像や音声、動画、センサーなどを様々なものを分析対象にしていく。
Copyright © 2020 GO SLOW All rights reserved.