データサイエンスの活用例

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

この演習はコースの一部です

データサイエンスを理解する

SkillTag.level.beginnerSkillTag.label

4.8+

無料でコースを始める

まず、データサイエンスとは何かを定義することから始めましょう。データサイエンスのワークフローと、現実世界への応用方法を学びます。章の最後では、データサイエンス分野におけるさまざまな職種についても取り上げます。

Exercise 1: データサイエンスとは Exercise 2: 身近なデータサイエンス Exercise 3: データサイエンスの重要性 Exercise 4: データサイエンスの活用例

現在の演習

Exercise 5: 日常に潜むデータサイエンス Exercise 6: AIアシスタントの仕組み Exercise 7: データサイエンスの役職と使用ツール Exercise 8: 候補者の選考 Exercise 9: データサイエンティストの役割

データサイエンスのワークフローを理解したところで、最初のステップである「データの収集と保存」を詳しく見ていきましょう。データの収集源、データの形式、収集後の保存方法、そしてデータパイプラインによるプロセスの自動化について学びます。

Exercise 1: データソース Exercise 2: データソースの分類 Exercise 3: 喘息の発症頻度 Exercise 4: データ型 Exercise 5: データの種類を分類する Exercise 6: ネットプロモータースコア Exercise 7: アクティビティトラッカー Exercise 8: データの保存と取得 Exercise 9: クラウドプラットフォーム Exercise 10: データベースへのクエリ Exercise 11: データベースの分類 Exercise 12: データパイプライン Exercise 13: データパイプラインの特徴 Exercise 14: 抽出・変換・読み込み（ETL）

データの前処理は、データサイエンスの根幹をなす工程です。データサイエンティストは業務時間の80%をデータのクレンジングや加工に費やし、実際の分析に充てる時間はわずか20%と言われています。この章では、データの問題を特定する方法や、欠損値・外れ値への対処法を学びます。さらに、データを探索し、分析結果を伝えるための視覚化についても学びましょう。

Exercise 1: データの前処理 Exercise 2: UFO目撃情報 Exercise 3: データ前処理できていますか？Exercise 4: 探索的データ分析 Exercise 5: 数値データの探索的データ分析 Exercise 6: 視覚化による探索的データ分析 Exercise 7: 視覚化 Exercise 8: 操作可能なダッシュボード Exercise 9: ダッシュボードの改善

最終章では、実験・検証と予測について学びます。まず実験の手法としてA/Bテストを取り上げ、次に時系列予測で将来の出来事を予測する方法を学びます。最後に機械学習の、教師あり学習とクラスタリングを紹介します。

Exercise 1: A/Bテスト Exercise 2: A/Bテストのワークフローを作成する Exercise 3: 統計的有意性 Exercise 4: 途中経過の確認 Exercise 5: 時系列予測 Exercise 6: 時系列データの分類 Exercise 7: 時系列グラフを読み解く Exercise 8: 教師あり機械学習 Exercise 9: 教師あり学習を使うべき場面 Exercise 10: 特徴量とラベル Exercise 11: モデルの精度評価 Exercise 12: クラスタリング Exercise 13: 教師あり学習と教師なし学習 Exercise 14: クラスター数の選択 Exercise 15: コース修了です！