ねらい
今日、データサイエンスは企業だけではなく、様々な業界において注目されてきています。
また、多くの企業や組織、団体においては、データサイエンスをビジネスや運営に活かしていきたいと考えています。
データサイエンスの構成要素である「プログラミング力」「統計学の知識」「ビジネス力」の中から、企業から求められている
マーケティングに関係する統計とビジネスの視点から実践的に解説します。
なお、現在、発展が著しい機械学習や深層学習も多変量解析（統計学）の中の新しい考え方の一種です。
プログラム 9：30～16：30 < 昼食休憩 12：00～13：00 >
| １日目 （9：30-16：30）
１．データサイエンスとは
①データサイエンスの定義
②プログラミング力（Python／Rの相違）
③統計学の知識（俯瞰した統計学を概説）
④ビジネス力
コトラーのマーケティング論を中心に概説
２．AI, 機械学習、深層学習
①人工知能の歴史と現在
②機械学習（教師なし、教師あり学習、
強化学習の違いについて解説
③深層学習（ディープラーニングについて解説）
④統計学と機械学習の相違（両者の手法的な違いを 解説）
３．統計学（多変量解析）
マーケティングに関係する各種手法について具体的に解説する
①記述統計→推測統計→多変量解析
②統計的検定 （ABテスト等）
③重回帰分析（例えば、価格の予測と要因の分析）
④主成分分析（手元にあるデータの次元を圧縮し構造化）
⑤コレスポンデンス分析（商品・サービスの可視化に
優れた手法）
⑥コンジョイント分析（顧客の潜在意識の解明）
⑦クラスター分析（階層的・非階層的、顧客ターゲット層
の分類）
⑧その他の手法
|
２日目 （9：30-16：30）
４．多変量解析の体験演習
②～⑧の多変量解析の手法を、講師作成のエクセル・マクロを用いたプログラムで、例題を用いて受講者が体験して、それぞれの手法の理解を深める。
５．統計言語「R」ソフトの概要
①統計言語「R」の歴史と特徴
②「R」ソフトのテンプレート化とその解説
③「R」ソフトの基本的な操作法
６．「R」ソフトによる体験演習
下記の①～⑤の手法を、講師が編集した「R」ソフトのテンプレート(簡単操作)で、例題を用いて受講者が体験して、それぞれの手法の理解を深める。
①主成分分析 (教師なし機械学習：分類)
②非階層クラスター分析 (教師なし機械学習：分類)
③重回帰分析（教師あり機械学習：予測）
④ロジスティック回帰分析（教師あり機械学習予測）
⑤対応分析（顧客のターゲティング）
|
研修受講料助成制度
東広島市：ものづくり技術高度化研修事業助成対象です。
呉市：中小企業人材育成研修費補助対象です。
