機械学習／統計学／データサイエンスの無償gacco動画、全まとめ【2022年秋版】：AI・機械学習の独学リソース（2/3 ページ）

[一色政彦，デジタルアドバンテージ]

講義の内容： データサイエンス（一般実用）編

社会人のためのデータサイエンス入門

• 受講可能期間： 2022年6月7日〜8月4日、未定

　総務省統計局＆日本統計協会が提供する講座。この講座では、実データを用いた分析事例や、分析時に必要な統計学の基礎、政府統計「e-Stat」データの見方、といったデータ分析の基本が学べる。

　「データサイエンス入門以前のデータ分析の基礎を学びたい」「実務的なデータ分析の始め方に興味がある」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 社会人のためのデータサイエンス入門

図11　講義の例（引用元「gacco: ga031 社会人のためのデータサイエンス入門」）

　確認テストを含めて、全33本の講義の目次は以下のようになっている。各週で視聴する動画の本数も7本前後と適切なので、スムーズに学習できるだろう。ただし、「Week2:統計学の基礎」では、若干複雑な話になってくるので、数学計算が苦手だったり、統計学が全く初めてだったりする場合は、つまずきやすいかもしれないと感じた。

• Week 1： 統計データの活用
  • 1-1. 大人がデータサイエンスを学ぶべき理由
  • 1-2. データサイエンスと統計
  • 1-3. 平均値の見方〜分析事例（1）
  • 1-4. M字カーブの改善効果〜分析事例（2）
  • 1-5. 普及率の地域間比較〜分析事例（3）
  • 1-6. 付加価値額と非正規職員比率の関係〜分析事例（4）
  • 1-7. スポーツをデータで科学する〜分析事例（5）
  • 1-8. 合計特殊出生率の見方〜分析事例（6）
  • 1-9. 国際比較データから日本社会を読み解く〜分析事例（7）
  • Week 1 確認テスト
• Week 2： 統計学の基礎
  • 2-1. 代表値〜平均・中央値・最頻値〜
  • 2-2. 分散・標準偏差
  • 2-3. 四分位・パーセンタイル・箱ひげ図
  • 2-4. 関係の見方・相関係数
  • 2-5. 回帰分析
  • 2-6. 標本分布
  • 2-7. 信頼区間
  • Week 2 確認テスト
• Week 3： データの見方
  • 3-1. 統計表の見方
  • 3-2. 比率の見方（1）-クロスセクションデータ
  • 3-3. 比率の見方（2）-使い方と注意点
  • 3-4〜6. 時系列データの見方（1：基礎編）〜（2：発展編）〜（3：分析編）
  • Week 3 確認テスト
• Week 4： 公的データの使い方とコースのまとめ
  • 4-1. 政府統計とは
  • 4-2. 公的データの入手方法
  • 4-3. e-Statの使い方（人口ピラミッド）
  • 4-4. 統計ダッシュボードの使い方
  • 4-5. 地図で見る統計（jSTAT MAP）の主な機能
  • 4-6. 地図で見る統計（jSTAT MAP）の使い方
  • 4-7. コースのまとめ
  • 最終課題

社会人のためのデータサイエンス演習

• 受講可能期間： 2022年10月4日〜12月13日

　総務省統計局＆日本統計協会が提供する講座。この講座では、データ分析の概念や事例から、評価方法や分析結果の報告まで、データサイエンス力を磨くための実践方法が学べる。2022年10月に一部のコンテンツが改訂／新規追加されている。

　「前掲の『社会人のためのデータサイエンス入門』を学び終えた」「データサイエンスを仕事に生かしたい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 社会人のためのデータサイエンス演習

図12　講義の例（引用元「gacco: ga063 社会人のためのデータサイエンス演習」）

　確認テストを含めて、全36本の講義の目次は以下のようになっている。動画本数は適量で、毎日1本ずつで学んでいける。

• Week 1： データサイエンスとは
  • 1-1. データサイエンスの発展
  • 1-2. 社会で起きている変化 〜データサイエンスの必要性〜
  • 1-3. データサイエンスに求められるスキルや知識
  • 1-4. データサイエンスの未来と発展
  • 1-5. データサイエンスのサイクルと課題解決の進め方
  • 1-6. 分析の手法の選択
  • Week 1 確認テスト
• Week 2： 分析の概念と事例
  • 2-1. Analysis（分析）とは
  • 2-2〜3. 1変数の状況の把握（1：可視化の活用）〜（2：代表値の活用）
  • 2-4. 比較して2変数の関係を見る
  • 2-5〜6. ビジネスにおける比較（1：概要）〜（2：適切なA/Bテストの活用）
  • Week 2 課題の補講
  • Week 2 確認テスト
• Week 3： 分析の具体的手法
  • 3-1. クロス集計の軸設定と見方
  • 3-2. 散布図と相関の調べ方
  • 3-3. 相関関係と因果関係の違い
  • 3-4. 時系列データの見方
  • 3-5. 時系列データの分解の方法
  • Week 3 課題の補講
  • Week 3 確認テスト
• Week 4： ビジネスにおける予測と分析結果の報告
  • 4-1. 回帰分析による予測
  • 4-2. モデル評価と予実評価
  • 4-3. 分析結果の報告(記述／可視化方法)
  • 4-4. 分析結果の報告(解釈の注意点)
  • 4-5. 予測・分類等代表的手法と活用場面
  • 4-6. ビジネスシーンにおける「統計的検定」とその活用例
  • Week 4 課題の補講
  • Week 4 確認テスト
• Week 5： ビジネスでデータサイエンスを実現するために
  • 5-1. 各週のおさらい
  • 5-2〜3. データ分析に基づく問題解決ケーススタディ（1）〜（2）
  • 5-4. 様々な企業で活躍するデータサイエンティスト
  • 5-5. 組織におけるデータサイエンスの実現
  • 5-6. 講座のまとめ
  • 最終課題

誰でも使える統計オープンデータ

• 受講可能期間： 2022年1月11日〜3月15日、未定

　総務省統計局＆日本統計協会が提供する講座。「社会人のためのデータサイエンス」講座の三部作における、3本目に該当する講座。

　この講座では、e-Stat（政府統計の総合窓口）や統計GIS（jSTAT MAP）、それらのデータをプログラムで読み取るためのAPI機能、といった統計オープンデータの活用方法が学べるとのことだ。「前掲の『社会人のためのデータサイエンス演習』を学び終えた」「人口や産業などに関する政府系の統計データを活用したい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 誰でも使える統計オープンデータ

図13　講義の例（引用元「gacco: ga084 誰でも使える統計オープンデータ」）

　確認テストを含めて、全24本の講義がある。その目次は以下のようになっている。

• Week 1： e-Statを使ったデータ分析
  • 1-1〜4. e-Statを活用したデータ分析事例（1）〜（4）
  • 1-5. e-Statの主な機能
  • 1-6. e-Statの使い方（グラフの作成）
  • Week 1 確認テスト
• Week 2： 公的統計データの使い方
  • 2-1. 公的統計の種類と体系
  • 2-2. 労働力統計の読み方（労働力調査の基礎知識、労働力調査結果を利用する際のポイント）
  • 2-3. 家計統計の読み方（家計調査の基礎知識、家計調査結果を利用する際のポイント）
  • 2-4. その他の統計の読み方とまとめ
  • Week 2 確認テスト
• Week 3： 統計GISの活用
  • 3-1. 地図で見る統計（jSTAT MAP）でできること
  • 3-2. 簡単にできるレポート作成
  • 3-3. 活用事例 保育施設配置の検討（ある地域の保育環境を見てみる）
  • 3-4. 活用事例 避難施設配置の検討（任意のエリアの避難施設配置状況を見てみる）
  • 3-5. その他の機能とまとめ
  • Week 3 確認テスト
• Week 4： 統計オープンデータの高度利用
  • 4-1. 統計APIでできること
  • 4-2. 統計APIの仕組み
  • 4-3. 統計オープンデータの地方公共団体での活用事例
  • 4-4. 統計オープンデータのビジネス活用
  • 4-5. 統計オープンデータの利活用に向けて、講座のまとめ
  • 最終課題

講義の内容： 数学／統計学編

数理・データ科学のために結局勉強することになる微積分の基礎

• 受講可能期間： 2021年12月9日〜2022年2月28日、未定

　機械学習やデータサイエンスを理解する上で避けて通れない「微積分」の基礎を取り扱う、京都大学の講義を基にした講座。いつから学習を開始してもよい「開始日可変型講座」で、課題提出が90日間となっている。

　「微積分の基礎からしっかりと学びたい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 数理・データ科学のために結局勉強することになる微積分の基礎

図14　講義の例（引用元「gacco: ga156 数理・データ科学のために結局勉強することになる微積分の基礎」）

　講義の目次は以下のようになっている。筆者が受講内容を記録し忘れていたため、動画本数などは不明。

• Week 1：導入
  • 導入
  • 微分法
  • 積分法
• Week 2：数学の基礎的知識
  • 集合について（1）〜（3）
  • 写像について
  • 全射について
  • 逆像について
• Week 3：関数
  • 関数とグラフ（1）〜（2）
  • 逆関数
  • 単調性
  • 奇関数・偶関数
• Week 4：初等関数
  • 多項式関数と有理関数
  • 指数関数と対数関数（1）〜（4）
  • 三角関数と逆三角関数（1）〜（4）
• Week 5：数列
  • 数列（1）〜（2）
  • 数列の極限の性質（1）〜（3）
  • 等比数列（1）〜（2）
  • 漸化式（1）〜（3）
  • 漸化式と力学系（1）〜（2）
• Week 6：級数
  • 無限級数（1）〜（3）
  • 無限級数の収束・発散とその判定法
  • 無限等比級数（1）〜（2）
  • 無限小数
• Week 7：関数の極限と連続性
  • 関数の極限（1）〜（3）
  • 関数の極限と数列
  • 片側極限（1）〜（2）
  • 極限値の大小関係
  • 関数の連続性（1）〜（2）
  • 中間値の定理（1）〜（2）
• Week 8：微分法
  • 微分係数（1）〜（3）
  • 導関数（1）〜（3）
  • 合成関数の微分（1）〜（2）
  • 三角関数の微分（1）〜（3）
  • 対数関数・指数関数の微分（1）〜（3）
• Week 9：いろいろな微分法
  • 逆関数の微分（1）〜（2）
  • 媒介変数表示された関数の微分（1）〜（2）
  • 高次導関数（1）〜（2）
• Week 10：積分法（1）
  • 不定積分（1）〜（2）
  • 部分積分
  • 置換積分（1）〜（2）
  • 有理関数の積分と部分分数分解
• Week 11：積分法（2）
  • 区分求積法（1）〜（3）
  • リーマン積分（1）〜（3）
  • 定積分と不定積分の関係（1）〜（2）
  • 定積分の部分積分法
  • 定積分の置換積分法

統計の入門

• 受講可能期間： 2022年10月11日〜2023年2月28日

　京都大学が提供する講座。コンパクトな内容ながらも、数学的ではなく直感的に理解できるように工夫されている。

　「統計学の基礎をコンパクトに学びたい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 統計の入門

図15　講義の例（引用元「gacco: ga150 統計の入門」）

　講義の目次は以下のようになっている。筆者が受講内容を記録し忘れていたため、動画本数などは不明。

• 第1章　イントロダクション
• 第2章　データ特性・可視化
• 第3章　統計ソフト
• 第4章　2元分割表
• 第5章　検定・推定
• 第6章　相関と回帰
• 第7章　因果推論とまとめ

統計学I：データ分析の基礎

• 受講可能期間： 2022年4月21日〜6月30日、未定

　日本統計学会などが提供する講座。この講座では、統計グラフの概要から、質的データ、量的データ、相関、時系列、統計調査まで、統計学の基礎の基礎が学べる。

　「統計学をゼロから学びたい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 統計学I：データ分析の基礎

図16　講義の例（引用元「gacco: ga014 統計学I：データ分析の基礎」）

　確認テストを含めて、全45本の講義がある。本数はやや多いので、日に1〜2本のペースで視聴する必要がある。

• Week 1： 統計学への誘い
  • 1-1. 現代社会における統計学
  • 1-2. このコースの概要
  • 1-3. 統計学の歴史
  • 1-4. データ分析の流れ
  • 1-5. データの種類
  • 1-6. データセットの例
  • 1-7. データから情報を得る
  • Week 1 確認テスト
• Week 2： 統計グラフと質的データの要約
  • 2-1. 質的データのまとめ方 事始め
  • 2-2. 統計グラフ（1） -円グラフと棒グラフ-
  • 2-3. 統計グラフ（2） - 帯グラフとまとめ-
  • 2-4. 2変数のデータのまとめ方：クロス集計表
  • 2-5. クロス集計表における諸種の測度
  • 2-6. 多重クロス集計表
  • 2-7. 多重クロス集計表における第3の変数
  • 2-8. クロス集計表を用いた実践例
  • Week 2 確認テスト
• Week 3： 量的データの要約
  • 3-1. 量的データの要約 事始め
  • 3-2. 度数分布表とヒストグラム
  • 3-3. 分布を読みとる
  • 3-4. 箱ひげ図
  • 3-5. 分布の位置を表す代表値
  • 3-6. 分布のばらつきの大きさを測る
  • 3-7. 標準偏差の活用
  • 3-8. 格差を測る
  • Week 3 確認テスト
• Week 4： 相関と時系列
  • 4-1. 相関と散布図
  • 4-2. 層別散布図
  • 4-3. 相関係数
  • 4-4. 見かけの相関
  • 4-5. 相関係数の注意点
  • 4-6. 単回帰分析
  • 4-7. 時系列グラフ、移動平均
  • 4-8. 指数、増加（減少）率、成長率
  • Week 4 確認テスト
• Week 5： 公的統計の活用とまとめ
  • 5-1. 統計調査の役割
  • 5-2. 公的統計制度の仕組み
  • 5-3. 統計情報の加工・提供
  • 5-4. e-Statの紹介
  • 5-5〜6. e-Statの使い方（人口ピラミッドの作成、統計GIS）
  • 5-7. 新たな取組の紹介
  • 5-8. 標本誤差と確率
  • 5-9. まとめと更なる学習
  • 最終課題

統計学II：推測統計の方法

• 受講可能期間： 2022年10月13日〜12月15日

　日本統計学会＆日本計量生物学会が提供する講座。この講座では、母集団と標本から、確率分布、点推定／区間推定、仮説検定、回帰分析まで、推測統計学の基礎が学べる。

　「統計学の基礎を身に付けたい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 統計学II：推測統計の方法

図17　講義の例（引用元「gacco: ga047 統計学II：推測統計の方法」）

　確認テストを含めて、全46本の講義の目次は以下のようになっている。本数はやや多いので、日に1〜2本のペースで視聴する必要がある。

• Week 1： 推測統計と確率の考え方
  • 1-1. 母集団と標本
  • 1-2. 無作為抽出
  • 1-3. 統計的な研究の種類
  • 1-4. 確率変数と確率分布
  • 1-5. 条件つき確率とベイズの定理
  • 1-6. 期待値と分散
  • 1-7. ベルヌーイ分布と二項分布
  • 1-8. 連続な確率変数
  • 1-9. 正規分布と正規分布表の使い方
  • 保険に活用される確率・統計
  • Week 1 確認テスト
• Week 2： 統計的推定
  • 2-1. 点推定
  • 2-2. 区間推定
  • 2-3. 母集団の平均の推定
  • 2-4. 正規分布の平均の推定（分散既知）
  • 2-5. 正規分布の平均の推定（分散未知）
  • 2-6. 二項分布の正規分布による近似
  • 2-7. 二つの母平均の差の推定
  • Week 2 確認テスト
• Week 3： 統計的検定
  • 3-1〜2. 仮説検定の考え方（その１）〜（その２）
  • 3-3〜4. 正規分布の平均に関する検定（その１）〜（その２）
  • 3-5〜6. 正規分布の母平均の差の検定（その１）〜（その２）
  • 3-7〜8. 対応がある標本の場合（その１）〜（その２）
  • 医薬品開発における統計学の寄与
  • Week 3 確認テスト
• Week 4： 回帰分析
  • 4-1. 回帰分析の歴史
  • 4-2. 単回帰モデル
  • 4-3. 重回帰モデル
  • 4-4. 決定係数
  • 4-5. 区間推定
  • 4-6. t検定
  • 4-7. 多重共線性
  • Week 4 確認テスト
• Week 5： 適合度と分割表の解析
  • 5-1. 身近に潜む統計的な問題
  • 5-2. 適合度を調べる 1
  • 5-3. 適合度を調べる 2
  • 5-4. 比率の検定・推定
  • 5-5. 分割表の独立性の検定（カイ二乗検定）
  • 5-6. 分割表の独立性の検定（正確な検定）
  • 5-7. 2×2分割表の推測
  • 5-8. コースのまとめ
  • Week 5 確認テスト

統計学III：多変量データ解析法

• 受講可能期間： 2022年1月11日〜3月14日、未定

　日本統計学会＆日本計量生物学会が提供する講座。この講座では、重回帰分析から、主成分分析と因子分、コンジョイント分析、主成分回帰分析、潜在クラス分析、クラスタリング法と多次元尺度構成法、共分散構造分析パス図まで、多変量データ解析法の基礎が学べる。

　「ゼロから多変量解析を学びたい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 統計学III：多変量データ解析法

図18　講義の例（引用元「gacco: ga082 統計学III：多変量データ解析法」）

　確認テストを含めて、全42本の講義の目次は以下のようになっている。本数はやや多いので、日に1〜2本のペースで視聴する必要がある。

• Week 1： 多変量データ解析法の概略と重回帰分析
  • 1-1. 多変量データ解析法の分類
  • 1-2. 変量間の関係（因果、回帰、相関）
  • 1-3. 研究の種類とデータ収集法
  • 1-4. 重回帰分析のモデル
  • 1-5. 結果の読み方
  • 1-6. 結果の解釈
  • 1-7. 説明変数の選択
  • 1-8. ゲスト：選挙予測――未来の政権を知る（鈴木督久）
  • Week 1 確認テスト
• Week 2： 主成分分析と因子分析
  • 2-1. 主成分・因子分析にできること
  • 2-2. 主成分分析による可視化の原理
  • 2-3. 主成分分析の二通りの定式化
  • 2-4. 要因探索のための主成分分析
  • 2-5. 主成分分析から因子分析へ
  • 2-6. 因子分析の細部
  • 2-7. 因子分析の発展
  • 2-8. ゲスト：企業ブランドのポジショニング（鈴木督久）
  • Week 2 確認テスト
• Week 3： 多変量解析の活用：商品・サービスの設計を例に
  • 3-1. 全体の概要
  • 3-2. 主成分分析による評価軸の抽出
  • 3-3. 主成分回帰分析と選好ベクトル
  • 3-4. コンジョイント分析による商品設計
  • 3-5. 主成分回帰における主成分の回転
  • 3-6. 統計ソフトウェアによる分析手順
  • 3-7. 潜在クラス分析
  • Week 3 確認テスト
• Week 4： クラスタリング法と多次元尺度構成法
  • 4-1. クラスタリング法と多次元尺度構成法の概説
  • 4-2. （非）類似性データ
  • 4-3. データ変換
  • 4-4. 階層的クラスタリング法
  • 4-5. 非階層的クラスタリング法
  • 4-6. 計量多次元尺度構成法
  • 4-7. 適用例とさらなる応用
  • Week 4 確認テスト
• Week 5： 課題解決のための多変量解析の利用
  • 5-1. 課題から手法を選ぶ
  • 5-2. モデル化の準備〜課題の整理
  • 5-3. パス図の描き方の基本
  • 5-4. パス図を描く
  • 5-5. パス図から方程式を書く
  • 5-6. 分析を行う
  • 5-7. 共分散構造分析-構造方程式モデリング-
  • Week 5 確認テスト

因果推論 −一般化線型モデルとRubin因果モデルの理論−

• 受講可能期間： 2021年12月9日〜2022年2月28日、未定

　臨床医学のための因果推論の手法とその理論について解説する、京都大学が提供する講座。いつから学習を開始してもよい「開始日可変型講座」で、課題提出が90日間となっている。

　医学向けの統計学を前提としているが「因果推論に興味がある」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 因果推論 −一般化線型モデルとRubin因果モデルの理論−

図19　講義の例（引用元「gacco: ga154 因果推論 −一般化線型モデルとRubin因果モデルの理論−」）

　講義の目次は以下のようになっている。筆者が受講内容を記録し忘れていたため、動画本数などは不明。

• Week 1：最尤法
  • 因果推論の事例
  • 最尤推定量と信頼区間の計算
  • 最尤推定量の性質
  • 小標本のための手法
• Week 2：一般化線型モデル
  • 一般化線型モデル
  • 正規線型モデル／ベースライン値のあるランダム化臨床試験の解析
  • Poisson回帰モデル／効果の修飾
  • 2値データの回帰モデル／Simpsonのパラドックスとその解釈
• Week 3：Rubin因果モデル
  • 潜在結果変数, 割付けメカニズム, 統計的推測
  • プロペンシティスコアの性質
  • プロペンシティスコアマッチング
  • 周辺構造モデルとIPW推定
  • 周辺構造モデルによる時間依存性治療効果の推定
  • 操作変数法
• Week 4：クロージング：講義を振り返って
  • ランダム化臨床試験と観察研究
  • 代表的な因果推論の手法

講義の内容： データサイエンス（学術理論）編

大学生のためのデータサイエンス（I）

• 受講可能期間： 2022年8月12日〜12月2日

　滋賀大学データサイエンス学部が提供する講座。この講座では、現代社会におけるデータサイエンスの活用場面から、データ分析の基礎、Excel／R／Pythonを活用したデータ分析の概説、データサイエンスの応用事例まで、データサイエンスの概要が学べる。

　「最新のデータサイエンスがどういうものか知りたい」という人は、下記のリンク先から、この講座を受講してみてほしい。2021年10月に一部のコンテンツが改訂／新規追加されている。

• 大学生のためのデータサイエンス（I）

図20　講義の例（引用元「gacco: gaga109 大学生のためのデータサイエンス（I）」）

　確認テストを含めて、全42本の講義の目次は以下のようになっている。本数はやや多いので、日に1〜2本のペースで視聴する必要がある。

• Week 1： 現代社会におけるデータサイエンス
  • 1-1〜2. データサイエンスの役割〜（続）
  • 1-3〜4. データの取得・管理　（1：データの収集と保存）〜（2：データの管理）
  • 1-5. データの入手方法
  • 1-6. データの分析
  • 1-7〜8. データサイエンスと画像処理技術　（1：デジタル画像の構成）〜（2：画像処理の応用）
  • 1-9〜10. データサイエンスと音声処理技術　（1：音声データ処理）〜（2：音声認識入門）
  • 1-11〜12. データサイエンスと情報倫理　（1：情報倫理の基礎知識）〜（2：情報利用とAIの死角）
  • Week 1 確認テスト
• Week 2： データ分析の基礎
  • 2-1. ヒストグラム
  • 2-2. 箱ひげ図
  • 2-3. 平均・分散・標準偏差
  • 2-4. 散布図（2つの量の関係の視覚化）
  • 2-5. 相関係数（2つの量の関係の要約）
  • 2-6. 回帰直線（2つの量の関係の定式化）
  • 2-7. 回帰直線（データへの当てはまり）
  • 2-8. データ分析で注意すべき点（相関と因果の違い）
  • 2-9. データ分析で注意すべき点（観察研究と実験研究）
  • 2-10. データ分析で注意すべき点（標本調査）
  • 2-11. 主成分分析
  • 2-12. クラスター分析
  • Week 2 確認テスト
• Week 3： コンピュータを用いたデータ分析
  • 3-1. Excelを用いたヒストグラムの作成
  • 3-2. Excelを用いた箱ひげ図の作成
  • 3-3. Excelを用いた散布図と回帰直線
  • 3-4. Rを使ってみる
  • 3-5. Rによるデータ分析
  • 3-6. Rのさらなる活用
  • 3-7. Pythonのインストールと基本操作
  • 3-8. Pythonを使ったデータの整理と可視化
  • 3-9. Pythonを使ったデータの分析と、より高度な可視化
  • Week 3 確認テスト
• Week 4： データサイエンスの応用事例
  • 4-1. 保険（基本的な仕組み）
  • 4-2. 保険（自動車保険）
  • 4-3. 金融（銀行におけるデータ活用）
  • 4-4. マーケティングリサーチ　概要編
  • 4-5. マーケティングリサーチ　企画編
  • 4-6. マーケティングリサーチ　事例編
  • 4-7. 染色体上で遺伝子を探す
  • 4-8. 疾患関連遺伝子を探す
  • 4-9. 品質管理
  • Week 4 確認テスト

大学生のためのデータサイエンス（II）

• 受講可能期間： 2021年11月15日〜2022年03月14日、未定

　滋賀大学データサイエンス学部が提供する講座。この講座では、機械学習の概要から、各種機械学習の手法、さらにニューラルネットワークやディープラーニングまで、機械学習を包括的に学べる。

　「前掲の『大学生のためのデータサイエンス（I）』を学び終えた」「機械学習を一通り学びたい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 大学生のためのデータサイエンス（II）

図21　講義の例（引用元「gacco: pt025 大学生のためのデータサイエンス（II）」）

　確認テストを含めて、全39本の講義の目次は以下のようになっている。本数はやや多いので、日に1〜2本のペースで視聴する必要がある。

• Week 1：機械学習の事例紹介
  • 1-1. イントロダクション
  • 1-2〜4. 機械学習とは（1）〜（3）
  • 1-5. 機械学習の先進的な事例　画像
  • 1-6. 機械学習を使ったテキストからの性格推定
  • 1-7. 機械学習の先進的な事例　音声
  • 1-8. 機械学習の先進的な事例　企業分析
  • 1-9. 機械学習の先進的な事例　マーケティング
  • 1-10. 機械学習の先進的な事例　生産機械
  • Week 1 確認テスト
• Week 2：機械学習の基礎（1） 分類問題
  • 2-1. 最近傍法
  • 2-2. 線形分類器
  • 2-3〜4. サポートベクターマシン（1）〜（2）
  • 2-5. 決定木・ランダムフォレスト
  • 2-6〜7. 単純ベイズ分類器（1）〜（2）
  • 2-8. 混合正規分布モデル
  • Week 2 確認テスト
• Week 3：機械学習の基礎（2）回帰問題・その他
  • 3-1〜2. 重回帰分析（1）〜（2）
  • 3-3〜4. ロジスティック回帰モデル（1）〜（2）
  • 3-5. 過学習と交差検証法
  • 3-6. 判別分析における多クラス問題
  • 3-7. 特徴量の設計　標準化とスパースネス
  • 3-8〜9. 特徴量の設計　主成分分析（1）〜（2）
  • 3-10. 特徴量の効果的な選択
  • Week 3 確認テスト
• Week 4：機械学習の発展
  • 4-1. ニューラルネットワークとは?
  • 4-2. ニューラルネットワークの基礎
  • 4-3. ニューラルネットワークの学習
  • 4-4. 畳み込みニューラルネットワーク
  • 4-5. ニューラルネットワーク実習
  • 4-6. 最近のニューラルネットワークの発展
  • 4-7. エピローグ
  • Week 4 確認テスト

大学生のためのデータサイエンス（III）問題解決編

• 受講可能期間： 2022年4月22日〜8月12日、未定

　滋賀大学データサイエンス学部が提供する講座。この講座では、さまざまなデータサイエンスの手法を実際の問題解決に活用することを目標としている。そのために必要な知識とスキルが具体例を通して学べる。

　「前掲の『大学生のためのデータサイエンス（I）（II）』を学び終えた」「データサイエンスの実践活用に取り組みたい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 大学生のためのデータサイエンス（III）問題解決編

図22　講義の例（引用元「gacco: pt067 大学生のためのデータサイエンス（III）問題解決編」）

　確認テストを含めて、全31本の講義の目次は以下のようになっている。本数はやや少なく、日に1本のペースで視聴すればよい。

• Week 1：PPDACサイクル
  • 1-1. プロローグ
  • 1-2. PPDACサイクルとは何か
  • 1-3〜4. PPDACサイクルの実例（1）〜（2）
  • 1-5〜6. PPDACサイクルの各段階で必要なこと（1）〜（2）
  • Week 1 確認テスト
• Week 2：自動車販売データの分析
  • 2-1. 自動車販売データの基本構造
  • 2-2. 自動車販売データの1変数の分析
  • 2-3. 年齢と販売台数の関係
  • 2-4. 学歴と販売台数の関係
  • 2-5. 性別と担当地区の関係
  • Week 2 確認テスト
• Week 3：地産地消データの分析
  • 3-1. 地産地消に関する意識調査の基本情報
  • 3-2. 基本属性から見る地産地消の意識調査
  • 3-3〜4. 同時購買傾向の把握（1）〜（2）
  • 3-5. 同時購買傾向の探索
  • 3-6. 同時購買傾向と地産地消意識の関係
  • Week 3 確認テスト
• Week 4：自由記述のアンケート回答の分析
  • 4-1. 自由記述アンケートデータの例
  • 4-2. テキストマイニングとは
  • 4-3. KH Coderのインストール
  • 4-4〜6. KH Coder による分析（1）〜（3）
  • Week 4 確認テスト
• Week 5：機械学習の発展
  • 5-1〜2. プロジェクトを成功させる進め方（1）〜（2）
  • 5-3. エピローグ
  • Week 5 確認テスト

高校生のためのデータサイエンス入門

• 受講可能期間： 2022年6月17日〜9月17日、未定

　滋賀大学データサイエンス学部が提供する講座。この講座では、機械学習の概要から、各種機械学習の手法、さらにニューラルネットワークやディープラーニングまで、機械学習を包括的に学べる。

　「高校レベルの確率・統計から統計学を学び直したい」という人は、下記のリンク先から、この講座を受講してみてほしい。

• 高校生のためのデータサイエンス入門

図23　講義の例（引用元「gacco: pt010 高校生のためのデータサイエンス入門」）

　確認テストを含めて、全22本の講義の目次は以下のようになっている。2週と期間は短いが、各週の本数は多いので、日に2本のペースで視聴する必要がある。

• Week 1
  • 1-1. この講義の概要とねらい
  • 1-2. データサイエンスとは
  • 1-3. 公的データを入手する
  • 1-4. 地域経済分析システム（RESAS）の利用
  • 1-5. 政府統計の総合窓口（e-Statの利用）
  • 1-6. 代表値
  • 1-7. 標準偏差
  • 1-8. 標準化
  • 1-9. ヒストグラム
  • 1-10. 箱ひげ図
  • Week 1 確認テスト
• Week 2
  • 2-1. 2変数データと散布図
  • 2-2. 層別データの扱い
  • 2-3. 相関係数とは
  • 2-4. 相関係数の特徴
  • 2-5. 相関関係と因果関係
  • 2-6. クロス集計
  • 2-7. 層別クロス集計
  • 2-8. 時系列と指数化
  • 2-9. 時系列の移動平均
  • 2-10. 時系列の季節調整
  • Week 2 確認テスト

お勧めの学習方法

　次のページでは、風呂タブ学習やスタディノートといったお勧めの学習方法を紹介する。