ホーム
fv
研修名

Pythonデータ分析基礎研修

概要

以下3種類の研修をベースにカスタマイズでご提案が可能です。
①Python入門&データ分析(加工)・集計ライブラリ研修
Pythonの特徴や仕組みを理解し、講義と実習を通してPythonプログラミングの基礎知識を身に付けます。
また、分析ライブラリ(pandas、matplotlib)の基礎をPythonを通じて学習し、データ分析ライブラリの使い方と活用方法については演習を通して体験する。

②Python入門&データ分析(加工)+周波数解析研修
Pythonの特徴や仕組みを理解し、講義と実習を通してPythonプログラミングの基礎知識を身に付けます。
また、分析ライブラリの基礎をPythonを通じて学習し、周波数解析についてはscipyライブラリを使用しながら学びます。

③データ分析(加工)&機械学習入門研修
Pythonを通じて、分析ライブラリ(pandas、matplotlib)の基礎を学習し、機械学習については特徴や仕組みを理解していただき、講義と実習を通して知識を身に付けます。

目的

①Python入門&データ分析(加工)・集計ライブラリ研修
・Pythonの環境設定から言語の特徴、活用方法を実機を通じて学習する
・Pythonの使い方を学び、簡単なコーディングができるようになる
・データ分析に関して,基礎知識や実際の例を学びます。
・Pythonを用いて、実際にプログラミングを行い、その動きや性質を学習します。

②Python入門&データ分析(加工)+周波数解析研修
・Pythonの環境設定から言語の特徴、活用方法を実機を通じて学習する
・Pythonの使い方を学び、簡単なコーディングができるようになる ・データ分析に関して、基礎知識や実際の例を学びます。
・Pythonを用いて、実際にプログラミングを行い、その動きや性質を学習します。

③データ分析(加工)&機械学習入門研修 ・データ分析に関して,基礎知識や実際の例を学びます。
・Pythonを用いて、実際にプログラミングを行い、その動きや性質を学習します。
・機械学習について、特徴や仕組みを理解していただき、講義と実習を通して知識を身に付けます

カリキュラム
詳しくはこちら

①Python入門&データ分析(加工)・集計ライブラリ研修
【Pythonプログラミング基礎】
1.Pythonの概要
2.環境の作成
3.基本文法
4.データ型
5.関数
6.モジュール化
7.文字列
8.日付/時間
9.ファイル操作
10.正規表現

【データ分析】
1.python開発環境
・Anaconda
・IPython
・Spyder
・Jupyter Notebook

2.pandasによるデータ抽出・加工
・ファイル入出力
・欠損値の処理
・ソート、重複削除
・データの抽出
・データの結合
・基本統計量の算出
・離散化処理
・ピボットテーブル・グループ集計
・時系列データの扱いと補間
・演習

3.matplotlibによるデータの可視化
・折れ線グラフ
・棒グラフ
・散布図
・ヒストグラム
・演習

4.総合演習

②Python入門&データ分析(加工)+周波数解析研修
【Pythonプログラミング基礎】
1.Pythonの概要
2.環境の作成
3.基本文法
4.データ型
5.関数
6.モジュール化
7.文字列
8.日付/時間
9.ファイル操作
10.正規表現

【データ分析+FFT】
1.python開発環境
・Anaconda
・IPython
・Spyder
・Jupyter Notebook

2.pandasによるデータ抽出・加工
・ファイル入出力
・欠損値の処理
・ソート、重複削除
・データの抽出
・データの結合
・基本統計量の算出
・離散化処理
・ピボットテーブル・グループ集計
・時系列データの扱いと補間
・matplotlibラッパーによるグラフの可視化
・演習

3.scipyによる周波数解析
・FFT

③データ分析(加工)&機械学習入門研修
【データ分析】
1.python開発環境
・Anaconda
・IPython
・Spyder
・Jupyter Notebook

2.pandasによるデータ抽出・加工
・ファイル入出力
・欠損値の処理
・ソート、重複削除
・データの抽出
・データの結合
・基本統計量の算出
・離散化処理
・ピボットテーブル・グループ集計
・時系列データの扱いと補間
・演習

3.matplotlibによるデータの可視化
・折れ線グラフ
・棒グラフ
・散布図
・ヒストグラム
・演習

4.総合演習

【機械学習入門】
1.機械学習の概要
・機械学習でできること
・機械学習の流れ

2.python開発環境
・Anaconda
・IPython
・Spyder
・Jupyter Notebook

3.回帰
・線形回帰
・回帰の評価指標

4.分類
・ロジスティック回帰
・ランダムフォレスト
・分類の評価指標

5.回帰/分類の精度向上テクニック
・過学習と未学習
・交差検証
・データの正規化・標準化
・線形モデルの正則化
・グリッドサーチとランダムサーチ

6.特徴量選択と次元削減
・機械学習による特徴量選択
・主成分分析
・因子分析

7.モデルの再利用
・pickle化
・pickleファイルの読み込み

費用

お客様のニーズに合わせて研修を設計した上で、お見積りをさせていただきます。
まずはお気軽にお問い合わせください。

お問い合わせ ※は必須入力項目になります