データサイエンスコースコース

コース情報

たった数週間でデータサイエンティストの基本スキルを習得できる

データ解析ツールキット

データ解析の基本ツールを習得する。バックボーンにPython、クエリにSQL、可視化にはJupyter Notebooksを使用します。

Python
SQL
Jupyter
Matplotlib

決断科学

統計学を活⽤して⾼度な分析を⾏い、⼗分な情報に基づいたビジネス上の意思決定を⾏う：統計的推論、仮説検証、多変量回帰、信頼区間。

Pandas
Numpy
Statsmodels

機械学習・深層学習

機械学習・深層学習のワークフロー（データ準備、モデル選択、評価、微調整）を習得し、モデルの背後にある数学的概念と数値的実装を理解することができる。

Scikit-Learn
Tensorflow
Google Compute

MLエンジニアリングとチームプロジェクト

モデルを複製可能なPythonコードにパッケージ化し、仮想マシンやオンラインデータベースを使⽤して、クラウド上のビッグデータで学習することができます。必要に応じてモデルを監視・再トレーニングし、APIを通じて世界中に公開します。

Git
Docker
MLflow
FastAPI

無料で始められます！ウェブ開発、データ分析、UXデザインのライブウェビナーに参加する。

私たちのデータサイエンスブートキャンプはどのようなものか

週ごとのカリキュラムはこんな感じです

事前学習：ブートキャンプを始めるための準備をします

入学が認められると、Le Wagon が厳選した約 40 時間分のオンライン学習教材が届きます。この濃密でインタラクティブな教材を用いた事前学習をすることで、ブートキャンプが始まる前に、必要な Python と数学の基礎を確実に身に付けることができます。

学習環境をセットアップする (メモ、テキストエディターなど)
ターミナル、Git、OS の基本コマンド
Python の基礎
（楽しい）数学の基礎

実際に行うこと

40 時間のオンラインチュートリアル
Le Wagon が厳選した教材で基礎を固める

データ分析

データサイエンスのための Python を学習します。リレーショナルデータベースからデータを抽出し、ビッグデータマトリックスを操作して、データを可視化します。統計や線形代数などのデータ分析の重要な数学の概念を理解します。

ファイル、Web スクレイピング、 API からデータを集める
Python、Pandas、Numpy でデータを操作する
SQL と Google Big Query を使用してデータをクエリ/保存する
Jupyter Notebook、Matplotlib、Seaborn、Plotly による可視化

実際に行うこと

オンライン書店のデータをスクレイピングして構築したデータベース
SQL でサッカーのパフォーマンスの高度な分析
株式市場 API を用いたビジュアルダッシュボード

意思決定科学

データコンサルタントの立場になって、膨大なデータセットのデータ準備を乗り切る方法を学びましょう。多変量回帰モデル、仮説検定、信頼区間に基づいて統計結果を解釈することでデータからインサイトを得ます。

多変量線形/ロジスティック回帰の統計モデル
Python でのパッケージ化とオブジェクト指向プログラミング
インタラクティブなグラフを使用したノートブックベースのプレゼンテーション

実際に行うこと

市場からの実際のデータに基づく 40 時間のデータコンサルティングチャレンジ
データから得られた結果をクライアントにプレゼンテーション

機械学習

Scikit-Learn (データ準備、特徴量エンジニアリング、モデル選択、評価、微調整) を使用して機械学習ワークフローを実装し、数学的感性と ML モデルの数値実装を理解します。

scikit-learn および XGBoost ライブラリ
教師あり学習 (線形、KNN、SVM、ツリー、アンサンブル)
教師なし学習 (PCA、K-means、t-SNE、DBSCAN)
構造化データ (表形式、SARIMAX による時系列...)
非構造化データ (画像、Naive-Bayes を使用したテキスト、Tf-idf、LDA...)

実際に行うこと

任意のタスクに完全にコーディネートされた機械学習モデル
データ処理とモデル予測を組み合わせるパイプライン
カラークラスタリングによる画像圧縮モデル
スパム検出アルゴリズム
住宅価格の予測モデル

ディープラーニング

ディープラーニングの背後にある魔法を解き明かしましょう! ニューラルネットワーク (ニューロン、レイヤー、スタック) のアーキテクチャとそのパラメーター (アクティベーション、損失、オプティマイザー) を理解します。独自のニューラルネットワーク (高密度、再帰型、または畳み込み) を構築して、画像、シーケンス、およびテキストを処理します。最新のオープンソース調査から、事前トレーニング済みの「ビッグモデル」からの学習を再利用および転送する方法を学びましょう! 自動エンコーダー、バッチデータ処理パイプライン、および GPU トレーニングを使用して実際に手を動かして学んでいきます。

scikit-learn および XGBoost ライブラリ
教師あり学習 (線形、KNN、SVM、ツリー、アンサンブル)
教師なし学習 (PCA、K-means、t-SNE、DBSCAN)
構造化データ (表形式、SARIMAX による時系列...)
非構造化データ (画像、Naive-Bayes を使用したテキスト、Tf-idf、LDA...)

実際に行うこと

不正取引検出のための高密度ニューラルネットワーク
画像分類の転移学習
画像圧縮とノイズ除去のための自動エンコーダ
天候予測のための再帰型ネットワーク
感情分析やテキスト自動補完のためのテキストの埋め込み

機械学習エンジニアリング (MLOps)

手作りの最高のモデルを、仮想マシンとオンラインデータベースを使用して、クラウド内のビッグデータでトレーニングできるレプリケート可能な Python パッケージに変換します。新しいデータが入ってくるとモデルのパフォーマンスを監視し、必要に応じて再トレーニングし、その予測を API または Web サイトを介して世界に公開します。

VS コードとコマンドライン
トレーナー用の Google Cloud、仮想マシン、SSH
DAG オーケストレーションのための MLflow & Prefect
バックエンド用の Docker & Fast API
フロントエンドの Streamlit

実際に行うこと

GPU を使用してクラウド上のビッグデータでトレーニングされた、タクシー料金を予測するための ML モデル
ライブ予測を表示するビジュアル Web ダッシュボード (チャート、マップなど)
自己修復が可能な本番環境のトレーニング済みモデル

プロジェクト

プロジェクトフェーズは、ブートキャンプの集大成です。アイデアをクラスでピッチし、選ばれたデータサイエンスプロジェクトに関して 3 ～ 4 人のチームで効率的に共同作業を行います。オープンデータリポジトリ (政府のイニシアチブ、Kaggle、Paper with Code など) を使用するか、独自のプライベートデータセットを持ち込んでください。専門の教師によるフルタイムの指導を受けて、あなたの夢をかなえましょう!

実際に行うこと