| 開催日 | 2025年4月23日(水) |
|---|---|
| 開催地 | Web |
★事例中心のカリキュラム
～現場で使えるノウハウを事例ベースで解説。即実践できるスキルを習得できます。
★データ分析のエッセンスを凝縮
～理論や手法について一歩進んだ理解ができます。
★演習や実務に活かせるツールの使い方を紹介
～さまざまあるデータ分析ツールやライブラリの紹介や使い分けのコツが分かります。
★生成AI×データ分析
～データ分析における生成AIの活用を学べます。
■セミナーテーマ
社内データサイエンティストのためのステップアップ講座（3回シリーズ）
＜Zoomによるオンラインセミナー:見逃し視聴あり＞
■講師
XTX(株) 代表取締役 石井良平 氏
■主経歴等
XTX株式会社代表取締役
10年以上、データ分析・統計学・機械学習などデータサイエンスの業務活用、データ活用/DXについてのアドバイスとコンサルティング、大学・シンクタンクにおける研究でのデータ解析のサポートに携わってきました。
・現在はXTX株式会社という会社を運営しながら、法人向けにデータサイエンスの諸分野についての研修や1on1の形でのデータ分析トレーニングを実施しています。
・個人レッスンで教えた人数は300人以上、セミナー受講者累計は数千人程度になると思います。
・沢山の受講者を見てきた中で発見した、「共通してつまづきやすいポイント」を徹底的にわかりやすく説明すると共に、「多くの人にとって即役立つテクニック」を多紹介します。
■専門および得意な分野・研究・主要著書等
・データ分析やデータサイエンス・AIの領域における「難しいこと」を「わかりやすく役立つ形で伝えること」が得意です。
■受講料(税込(消費税10%)、資料付)
参加形態 区分 見逃し配信なし 見逃し配信あり
1講座のみの参加 1回、2回、3回・・・ 1名50,600円
↓1社2名以上同時申込料金↓
1名39,600円 1名56,100円
↓1社2名以上同時申込料金↓
1名45,100円
2講座の参加 1･2回、1･3回、2･3回、・・・ 1名78,100円
↓1社2名以上同時申込料金↓
1名67,100円 1名86,900円
↓1社2名以上同時申込料金↓
1名75,900円
全講座（3講座）の参加 1･2･3･回・・・ 1名99,000円
↓1社2名以上同時申込料金↓
1名88,000円 1名110,000円
↓1社2名以上同時申込料金↓
1名99,000円
＊日程変更等ございました場合は、ご容赦下さい。
＊全3回申込の方へ（不測の事態により、全回開催出来ない場合、以下規定に基づき、返金致します。）
全3回中、2回未満の実施の場合： 70％返金
全3回中、3回未満の実施の場合： 40％返金
＊準備の都合上、開催1営業日前の12:00までにお申し込みお願い致します。
（土、日、祝日は営業日としてカウント致しません。）
※見逃し配信「なし」「あり」どちらかをお選び下さい。
※参加形態(第○・○回参加)を申込備考覧に記載下さい。
※各回、別の方が受講いただくことも可能です。
※1社2名以上同時申込は、同時申込、同形態(講座数、参加日)でのお申込にのみ有効です
＊学校法人割引；学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認下さい。
■全体を通しての開催主旨
本講座は、全3回、1回4時間強の構成で、データ分析担当者や初級クラスのデータサイエンティストを対象としています。現場で直面する課題を解決するための実践的なスキルを学びながら、中級クラスへのステップアップを目指します。
特徴は、理論や抽象的な説明だけにとどまらず、実務の現場で役立つ多彩な事例を豊富に取り入れることです。製造業に関連するデータを中心に、金融、医療、アンケート調査など、幅広い分野の具体例を取り上げながら進行します。
■受講対象
・統計学やデータ分析手法の初歩は理解しているが、スキルアップが必要な方
・データ分析についての知識や理論を実践的に活用するコツが知りたい方
・データ分析の専門職として中級レベルにステップアップしたい方
・自社で扱っているデータ以外のさまざまなデータや事例に触れて分析方法や発想の幅を広げたい方 など
■講座内容
第1回 4月23日（水）10:30-16:30
「データ分析手法の基本と実務応用」
■講演ポイント
第1回では、データサイエンティストとして必要な基礎統計の知識と、実務でのデータ分析手法の基本を学びます。具体的には、回帰分析や仮説検定などの古典的手法の適用方法、因果推論や効果検証手法の実践的なポイントを解説します。また、理論に関する疑問を解消するQ&Aセッションも設け、実務での応用力を高めることを目指します。
■受講後、習得できること
・基礎的な統計知識とその実務での活用方法
・回帰分析や仮説検定など基本的の実務適用方法
・因果推論や効果検証手法の理解と実践的な応用方法
・データ分析における理論的な疑問の解消
・実務で役立つデータ分析の基本手法の学び方
■講演プログラム
1.データサイエンティストとしての基礎力とは
1.1 さまざまな案件から考える、求められるスキルセット
1.2 経験とスキルを獲得するためのロードマップ
2.実務で役立つ基礎的な統計知識と使い所
2.1 基本統計量と基本グラフの扱いを深掘りする
・必須の情報とは何か
・わかりやすいまとめ方について など
2.2 さまざまな変数の扱い方を深掘りする
・順序尺度を間隔尺度として扱うことについて
・離散量を連続量として扱うことについて など
2.3 回帰分析や仮説検定など古典的手法の扱い方の注意
・仮説検定を実務で使う場合の注意点
・回帰分析における説明変数選択問題
・多重共線性について など
2.4 因果推論や効果検証手法の勘所と実際
・交絡と欠落変数バイアスについて
・バックドア基準を理解する
・効果検証のための理想的な前提と実際 など
3.今こそしっかり理解しよう：理論についてのその他よもやまQ＆A
3.1 データが少ないとき、どのように進めるべきか？
3.2 統計の理論はどこまで知っておくべきか？
3.3 理論的背景を学ぶためのリソース紹介
3.4 初学者向けの参考書・ウェブサイトのリスト
3.5 効率的な学習方法 など
（質疑応答）
第2回 5月14日（水）10:30-16:30
「業務データ分析で成果を出すためのフレームワーク」
■講演ポイント
第2回の講演では、業務データ分析で成果を上げるために必要なフレームワークを学びます。データ分析プロセス全体を体系的に理解し、現場で直面しやすい課題への対処法を解説します。また、データを効果的に伝えるビジュアライゼーションの基本原則や、見やすいダッシュボードやグラフの作成手法にも触れ、分析結果を活用できるスキルを身につけます。
■受講後、習得できること
・データ分析プロセス全体を俯瞰したフレームワークの理解
・欠損値や異常値、データの偏りに対する具体的な対処法
・効果的なデータビジュアライゼーションの基本原則
・見やすく伝わりやすいダッシュボードやグラフの作成スキル
・業務課題に応じた分析アプローチの選択と適用
■講演プログラム
1.データ分析プロセスのフレームワーク
1.1 データ分析の流れ：課題設定から結果報告までの6ステップ
1.2 課題設定が曖昧になってしまう場合
1.3 仮説駆動型アプローチと探索型アプローチの違い
1.4 効果の見積りができない場合 など
2.現場でよくあるデータの問題（欠損値、異常値、データの偏り）
2.1 欠損値の扱い、実際どうしているか
2.2 異常値の判別基準の実際。統計的手法と実務的判断について
2.3 サンプリングバイアスの理解と修正方法 など
3.データビジュアライゼーションの基本原則
3.1 デザインの5原則（明確性、簡潔性、一貫性、視認性、関連性）
3.2 グラフの種類と適切な選び方
3.3よくある変なグラフ、なぜ生まれるかと解釈
4.見やすく伝わるグラフやダッシュボードの作成
4.1 必要な情報を整理し、優先順位をつける方法
4.2 現場での反応を引き出すデザインアイデア
（質疑応答）
第3回 5月28日（水）10:30-16:30
「AI時代に必要になるデータ分析スキル＋α」
■講演ポイント
第3回の講演では、AI時代に求められるデータ分析スキルとその活用方法を学びます。生成AIの基本を理解し、それらをビジネスに応用する方法を解説します。さらに、生成AIがデータ分析においてできること・できないことを具体的に示し、今後のキャリアで必要なスキルと学び方について考えます。AI技術を実務で活かすための視点を養う講義です。
■受講後、習得できること
・機械学習や生成AIの基本概念とそのビジネス応用
・AIを活用したデータ分析の実際の方法と限界
・データ分析における生成AIの適切な活用ポイント
・AI時代に必要となるデータ分析スキルセット
・今後の学び方とスキルのアップデート方法
■講演プログラム
1.機械学習・AI技術の概要とビジネス応用
1.1 言語モデル（GPT）の構造と原理入門
1.2 生成AIの使い方
1.3 最近の生成AIトレンドについて など
2.生成AIとデータ分析
2.1 データ分析で生成AIをどう使う？
2.2 データ分析の文脈で生成AIにできることできないこと
2.3 AIを用いて失敗した事例 など
3.生成AIが補完する分析プロセス
3.1 課題設定や問題定義にどう利用するか
3.2 変数やデータの選び方にどう利用するか
3.3 分析の解釈や洞察をどう補強するか
3.4 分析アシスタントとしてのAI など
4.これからのデータ分析スキル
4.1 理論、プログラミング、ビジネス理解の統合スキル
4.2 AI活用を軸としたスキルアップの具体例
4.3 この後の学び方
（質疑応答）
