- 講師派遣・オンライン研修
- IT・情報
- 財務・会計
- 新入社員
- 若手社員
Pythonプログラミングで体感!
データサイエンス・エキスパート・ワークショップ研修
(※統計検定準1級過去問演習オンライン研修付帯可)
Pythonプログラミングで体感!オーバービュー(鳥瞰→腹落ち)
→DSエキスパート※1合格レベル知識定着
→確率/統計解析センス強化でDS応用力・開発力アップ。
※技術系DSインターンシップ/新人研修にアレンジ可。
- ※1 DS:データサイエンス(強化深層学習までを含む)。
-
- 統計検定準1級過去問演習オンライン研修※2も付帯可。
- DS数学ストラテジスト上級試験対策研修にアレンジ可。
- ※2 CBT対応で5割ほどレベルダウンする前の2021年以前の準1級PBT過去問で演習しますので1級対策(中級)にアレンジ可。
研修対象者
- 統計検定2級/アクチュアリー数学/証券アナリスト2次/会計士論文式統計学/Python 3 エンジニア認定データ分析試験/E資格/DS数学ストラテジスト上級/Kaggle学習経験者相当の方
- 技術系DSインターンシップ参加者(内定者含む)
- クオンツ/アクチュアリー/リスク管理担当者や医/看護/農/理工/情報/金融/経済/経営/心理学の院生で高度なデータ解析技術や知識が必要な方
- 研修医/獣医、ゲノム/メディカル/ケモ/バイオインフォマティクス/機械学習の研究者、ISPOR会員、IEEE会員
- 産総研・理研・AMED・JAXA・JOGMEC・シンクタンクなどの内定者〜若手スタッフ
- Python演習しながら、DS解析力とDS英語論文読解力を磨きたい方
- 統計検定準1級/1級(AI・データエンジニア最高峰!)最短合格を目指す方
よくあるお悩み
- とりあえずChatGPTに機械学習レベルまでのPythonコードを書かせて間違い探しや修正ができるようになりたい。
- テキスト分析だったり、CNNだったりの練習Pythonプログラムは動かしてみた。実際に使ったり、応用していくには、どうすればいいかを知りたい。背景にある確率統計分析のロジック部分も強化したい。
- 準1級やDSエキスパートのシラバスに準拠している参考書や無料動画は網羅的だが問題演習が少なすぎて実践的ではないので、本格的な実践演習中心の講座を受けてみたい。
- 質問にも答えてもらえたり、更に1級対策にも活かせたり、専門英語論文や記事なども読めるようになれると有難い。
研修概要と特徴
- 「習う前に慣れよ!」<腹落ちの対面講義>まずChatGPTに解答・Pythonコーディングさせて、それを添削、重要ポイントの俯瞰とDSエキスパート演習でオーバービュー(鳥瞰→腹落ち)してから
- 「慣れてから習え!」<いつでもどこでも何度でも!オンライン講義>問題演習でDS上級知識定着→準1級/1級最短合格確度アップ
研修効果
- DSエキスパート本試験レベル問題を7割以上の正答かつ最上級レベル問題の理解
- 即実践可の中上級Pythonコーディングと英語論文読解力の習得
研修の必要性
- DSエキスパート/準1級/1級(統計数理・統計応用)/アクチュアリー数学試験合格所要期間の大幅な短縮
- Python統計解析&機械学習まで鍛えて余裕/伸びしろを持ったデータエンジニア養成
- DSエキスパート/エンジニア/Kaggler/技術系DSインターンシップ講師/大学DS教員などの効率的育成
所要時間
12〜18時間
※内容は、貴社のご要望に応じ、カスタマイズが可能です。
使用テキスト例
『Python実践機械学習システム・100本ノック 第2版』秀和システム
2024年6月18日発刊・下山輝昌他著
カリキュラム
<対面ハンズオン>Python-DSエキスパート
下山輝昌講師 or 小船幹生講師、計12〜18時間
カリキュラム | 時間 |
---|---|
|
計12〜18時間 ※内容は、貴社のご要望に応じ、カスタマイズが可能です。 |
|
<付帯可例>統計検定準1級オンライン過去問演習
松原望講師 or 小船幹生講師、計30〜48時間
カリキュラム | 時間 |
---|---|
|
計30〜48時間 ※内容は、貴社のご要望に応じ、カスタマイズが可能です。 |
Pythonプログラム
Pythonプログラム1(事前学習用:回帰分析)
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
from statsmodels.formula.api import ols
np.random.seed(None) # Each run will generate different random data
x_pos = np.random.rand(100) * 10
y_pos = 2.5 * x_pos + np.random.randn(100) * 5
x_neg = np.random.rand(100) * 10
y_neg = -2.5 * x_neg + np.random.randn(100) * 5
df_pos = pd.DataFrame({'x': x_pos, 'y': y_pos})
df_neg = pd.DataFrame({'x': x_neg, 'y': y_neg})
model_pos = ols('y ~ x', data=df_pos).fit()
intercept_pos, slope_pos = model_pos.params
r_squared_pos = model_pos.rsquared
model_neg = ols('y ~ x', data=df_neg).fit()
intercept_neg, slope_neg = model_neg.params
r_squared_neg = model_neg.rsquared
plt.figure(figsize=(20, 6))
plt.subplot(1, 2, 1)
plt.scatter(df_pos['x'], df_pos['y'], label='Data points')
plt.plot(df_pos['x'], intercept_pos + slope_pos * df_pos['x'], color='red', label=f'Regression line (R2={r_squared_pos:.2f})')
equation_pos = f'y = {slope_pos:.2f}x + {intercept_pos:.2f}'
plt.text(0.95, 0.05, equation_pos, transform=plt.gca().transAxes, fontsize=12, verticalalignment='bottom', horizontalalignment='right', bbox=dict(facecolor='white', alpha=0.5))
plt.xlabel('x')
plt.ylabel('y')
plt.title('Positive Correlation')
plt.legend(loc='upper left')
plt.grid(True)
plt.subplot(1, 2, 2)
plt.scatter(df_neg['x'], df_neg['y'], label='Data points')
plt.plot(df_neg['x'], intercept_neg + slope_neg * df_neg['x'], color='red', label=f'Regression line (R2={r_squared_neg:.2f})')
equation_neg = f'y = {slope_neg:.2f}x + {intercept_neg:.2f}'
plt.text(0.95, 0.05, equation_neg, transform=plt.gca().transAxes, fontsize=12, verticalalignment='bottom', horizontalalignment='right', bbox=dict(facecolor='white', alpha=0.5))
plt.xlabel('x')
plt.ylabel('y')
plt.title('Negative Correlation')
plt.legend(loc='upper left')
plt.grid(True)
plt.show()
anova_table_pos = sm.stats.anova_lm(model_pos, typ=2)
anova_table_neg = sm.stats.anova_lm(model_neg, typ=2)
print("ANOVA Table for Positive Correlation Data:")
print(anova_table_pos)
print("\nANOVA Table for Negative Correlation Data:")
print(anova_table_neg)
Pythonプログラム2(事前学習用:F分布)
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import f
x = np.linspace(0, 5, 1000)
df1_values = [5, 6, 7, 8, 9]
df2_values = [2, 3, 4, 5, 6]
plt.figure(figsize=(10, 6))
for df1, df2 in zip(df1_values, df2_values):
y = f.pdf(x, df1, df2)
plt.plot(x, y, lw=2, label=f'df1={df1}, df2={df2}')
plt.title('Fixed F-Distributions')
plt.xlabel('x')
plt.ylabel('Density')
plt.legend()
plt.grid(True)
plt.show()
Pythonプログラム2'(事前学習用:F分布)
※インタラクティブ版。ipywidgetsと必要な拡張機能をインストールし、ウィジェットマネージャーを有効にする必要あり?
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import f
import ipywidgets as widgets
from IPython.display import display, clear_output
x = np.linspace(0, 5, 1000)
output = widgets.Output()
def interactive_f_dist(df1, df2):
with output:
clear_output(wait=True)
fig, ax = plt.subplots(figsize=(8, 6))
y = f.pdf(x, df1, df2)
ax.plot(x, y, lw=2)
ax.set_title(f'F-Distribution (df1={df1}, df2={df2})')
ax.set_xlabel('x')
ax.set_ylabel('Density')
ax.grid(True)
plt.show()
df1_options = list(range(1, 31))
df2_options = list(range(1, 31))
df1_dropdown = widgets.Dropdown(options=df1_options, value=5, description='df1')
df2_dropdown = widgets.Dropdown(options=df2_options, value=2, description='df2')
ui = widgets.HBox([df1_dropdown, df2_dropdown])
out = widgets.interactive_output(interactive_f_dist, {'df1': df1_dropdown, 'df2': df2_dropdown})
def fixed_f_dist():
fig, ax = plt.subplots(figsize=(8, 6))
df1_values = [5, 6, 7, 8, 9]
df2_values = [2, 3, 4, 5, 6]
for i in range(5):
y = f.pdf(x, df1_values[i], df2_values[i])
ax.plot(x, y, lw=2, label=f'df1={df1_values[i]}, df2={df2_values[i]}')
ax.set_title('Fixed F-Distributions')
ax.set_xlabel('x')
ax.set_ylabel('Density')
ax.grid(True)
ax.legend()
plt.show()
display(ui, output)
fixed_f_dist()
統計検定準1級・出題分野対応表
※2022年以降はCBT移行のため公表なし
統計検定準1級・出題分野対応表①
統計検定準1級・出題分野対応表②
受講費用
研修料金は、プログラム内容、時間、参加人数、回数等によって異なります。ご希望をお伺いし、お見積りさせていただきます。お気軽にお問い合わせください。
研修導入のご相談
企業内での研修・集合研修や、団体受講をご検討の場合は、割引制度等もございます。
詳細資料のご請求やお見積もりのご依頼は、お気軽に法人事業本部までお問い合わせください。
登壇講師
Shimoyama Terumasa
下山 輝昌
株式会社Iroribi 代表取締役
東京工業大学 総合理工学研究科 材料物理科学選考 修士課程修了。日本電気株式会社(NEC)の中央研究所にてハードウェアの研究開発に従事した後、独立。
2017年 合同会社アイキュベータ 設立(共同代表)、2021年 株式会社Iroribi 設立。
機械学習を活用したデータ分析やダッシュボードデザイン等に裾野を広げ、コンサルタントとして幅広く案件に携わると同時に、AI、IoT、情報デザインの新しい方向性や可能性を研究しつつテクノロジーのビジネス化に取り組む。
Python実践データ分析100本ノックを代表とする100本ノックシリーズやPython×APIで動かして学ぶ AI活用プログラミングなどを刊行。
Kofune Mikio
小船 幹生 <兼 準1級過去問演習講師>
弊社 社員講師(応用情報技術者/統計検定データサイエンス/証アナ確率統計データサイエンス/Python/ファイナンス研修)
京都大学理学部、大学院 理学研究科 高エネルギー物理学専攻 修士課程、欧州原子核研究機構CERN研修留学、同博士課程に進学。数理・データ・AIエンジニアリング・量子コンピュータ研究に従事。確率過程にも通じている。
現在は、東京リーガルマインド社員講師・制作の他に、大学でITパスポート/統計検定データサイエンス試験対策講師、大学受験予備校で数学Ⅰ〜Ⅲ・情報/プログラミング(Python/R/JavaScript)講師。基本情報処理技術者資格。
主な著書:松原望編『入門統計解析 改訂版 第10章』(東京図書、2025発刊予定)
Matsubara Nozomu
松原 望 <監修1 兼 準1級過去問演習講師>
弊社 統計検定データサイエンス研修/証アナ確率統計講師
東京大学名誉教授、日本アクチュアリー会 アクチュアリー講座講師(確率論、統計論)東京大学教養学部基礎科学科卒業。統計学博士号(Ph.D.)取得。
文部省統計数理研究所研究員、米国スタンフォード大学大学院統計学博士課程、筑波大学社会工学系助教授、東京大学教養学部/大学院総合文化研究科/新領域創成科学研究科教授、
上智大学外国語学部教授、聖学院大学大学院 政治政策学研究科 教授を経て現職。主な著書:『統計学入門/基礎統計学』(東京大学教養学部統計学教室編集、1991)、『松原 望の 確率過程 超! 入門』(東京図書、2011)、
『入門統計解析 改訂版』(東京図書、2025発刊予定)、『入門ベイズ統計−意思決定の理論と発展』(東京図書、2008)、『人間と社会を変えた9つの確率・統計学物語』(SBクリエイティブ、2015)、共訳「ファイナンスのための統計学」(Tze Leung Lai, Haipeng Xing著、東京図書、2016)、
共著『わかりやすい統計学 データサイエンス基礎・応用』(丸善出版、2022)
Kokuryou Makoto
国料 誠 <監修2>
弊社 証券アナリスト/クオンツ/ファイナンス研修講師
東京大学工学部卒業、日本証券アナリスト協会検定会員、基本情報処理技術者。三菱重工業株式会社にて航空機システム開発。株式会社みずほ銀行(日本興業銀行)、みずほリース株式会社を経て現職。
みずほ銀行およびみずほリースでは、デリバティブ取引システムの開発、市場リスク・信用リスクに関するデータ分析、リスク計測モデル、リスク管理システムの開発等に従事。
Yamanaka Suguru
山中 卓 <監修3>
弊社 統計検定データサイエンス/R/Python/ファイナンス/証アナ研修講師
青山学院大学 理工学部 数理サイエンス学科 准教授。日本証券アナリスト協会検定会員。
東京大学大学院情報理工学系研究科博士課程修了、博士(情報理工学)。三菱UFJトラスト投資工学研究所、日本銀行金融機構局、武蔵野大学工学部准教授、東京工業大学科学技術創成研究院特任准教授を経て現在に至る。
日本銀行、りそな銀行、CRD協会、帝国データバンク社との、信用リスクモデリングや数理ファイナンスの共同研究プロジェクトに携わる。日本銀行ワークショップ、地方銀行協会研究会やABL協会勉強会を含むセミナー講演歴も豊富。
主な論文に「受注データに基づく 構造型信用リスク評価モデル」(日本銀行ワーキングペーパーシリーズ、2018年4月)、"A bank-account-information-based credit scoring method with Bayesian hierarchical modeling"
(共著者:山本零慶應義塾大学准教授、International Journal of Financial Engineering, 2021年6月)などがある。
主な著書:松原望編『入門統計解析 改訂版 第11章』(東京図書、2025発刊予定)
LEC研修の強み
- 圧倒的にわかりやすい研修
- 創立より40年以上に亘り培ってきた研修実績とノウハウで、貴社の人材育成計画をご支援いたします。
- 多様な研修受講スタイル
- 難解な知識もわかりやすく解説。研修終了後も財産となるオリジナル教材をご提供します。
- 柔軟なカスタマイズ力
- 資格対策合格のプロから実務に精通した講師まで、研修効果を最大化できる講師をアサインします。
- 実務・講義経験豊富な講師
- 講義内容は柔軟にカスタマイズ。貴社だけのオリジナル研修をご用意いたします。
- 法律・会計教育の強み
- 講師派遣・WEB配信・eラーニングから双方向オンライン講義まで、最適な研修スタイルをご提案します。
研修導入までの流れ
お問い合わせ〜実施〜アフターフォローまで、ご希望に合わせた研修実施が可能です。
- STEP1 ヒアリング
- 貴社の研修ニーズの全体像についてヒアリングいたします。 例)・実施内容・目的・時期・対象者・人数・予算・研修会場etc.
- STEP2 ご提案書作成
- ヒアリングの内容に基づき、ご提案書を作成いたします。
・研修の種類(集合研修・オンライン研修・eラーニング・資格取得対策)
・研修内容(カリキュラム等)・完成系かカスタマイズかオーダーメイドかの確認 など
- STEP3 打ち合わせ
- ご提案書に基づき、貴社のご意見・ご希望をうかがいながら、より詳細な内容を確定していきます。
- STEP4 研修実施の確定
- 研修実施を確定します。
- STEP5 契約・実施打合せ
- 研修日程・教材等の詳細を打合せをさせていただきます。
- STEP6 研修実施
- 集合研修・オンライン研修・eラーニング・資格取得対策
- STEP7 アフターフォロー
- アンケートやご担当者様、講師などからのフィードバックを基にした改善提案や受講者へのアフターフォロー
お問合せ
研修実施に関するお悩みやご要望などは、お気軽にご相談ください。
- ◎予算に合わせた対応
- ◎集合研修&eラーニング組合せ
- ◎業種ことのカスタマイズ・オーダーメイド
- ◎eラーニングコンテンツ売切り
- ◎全国への講師派遣
- ◎多言語対応
長年の資格試験対策・法律教育で培ったノウハウを凝縮した研修メニューの中から、人気の講座をピックアップ。
関連コンテンツ
学習目的別IT・情報
講師派遣・オンラインIT・情報研修
- ITリテラシー研修
- ITパスポート試験対策研修
- 基本情報技術者試験対策
- 応用情報技術者試験対策
- 基本がわかる情報セキュリティ研修
- 情報セキュリティマネジメント試験対策研修
- ITコーディネータ(ITC)試験対策講座
- ITコーディネータ(ITC)試験対応ケース研修
- プロジェクトマネージャ試験対策研修
- ITストラテジスト試験対策研修
- 要件定義研修
- マイクロソフト オフィス スペシャリスト(MOS)対策研修
- エクセル(Excel)研修
- パワーポイント(PowerPoint)研修
- ワード(Word)研修
- Webアプリケーション開発研修
- AWS認定クラウドプラクティショナー資格対策研修
- DX戦略入門研修
- DX戦略実践研修
- ITプロジェクトマネジメントワークショップ
- IT活用に向けた業務改革ワークショップ
- SQL基礎研修
- VBA基礎研修
- VB.NET基礎研修
- HTML5基礎研修
- CSS基礎研修
- Java基礎研修
- JavaScript基礎研修
- Webアプリケーション開発(Java)研修
- MOS365 Word研修
- MOS365 Excel研修
- 生成AI入門研修(生成AIパスポート試験対策対応)
- G検定対策研修(AIリテラシー基礎)
- 業務改善の切り札!ノーコードツールを一層活用するためのポイント研修
- かんたん!はじめてのkintone(基礎編)研修
- しっかり学べる、kintone認定 アソシエイト試験対策研修
- 統計検定®3級試験対策研修
- Pythonでデータ分析入門・データサイエンス基礎研修
- PythonでAI/機械学習・ハンズオン研修
- Pythonプログラミングで体感!データサイエンス発展ワークショップ研修
- Pythonプログラミングで体感!データサイエンス・エキスパート・ワークショップ研修
eラーニングIT・情報研修
FAQ・よくある質問
- 研修会社は多々ありますが、LECの研修の特徴は何ですか?
-
- 創立より40年以上に亘り、幅広い層の研修やスキルアップをおこなってきた実績がございます。
- 資格取得対策で培った、難解な知識を誰にでもわかりやすく、かつ簡潔に教材としてまとめるノウハウ、またそれを短期間で制作する社内体制で、研修終了後も財産になる教材をご提供します。
- 士業やコンサルタントなど実務に精通した方から、資格対策における合格指導のプロ、またはその双方を兼ね備えた方など、豊富なリソースにより研修効果を最大化できる講師を貴社のためにアサインします。
- 研修効果を最大化するため、講義内容は柔軟にカスタマイズいたします。事例や社内規則など、盛り込みたい事項をお申し付けいただければ、貴社だけのオリジナル研修をご提案いたします。
- 講師派遣・スタジオ収録動画のWEB配信・ビデオ会議システムによる双方向オンライン講義・eラーニングなど、費用・人数・時間・場所によって様々な提供形式を組み合わせ、最適な研修をご提案します。
- どんな研修を実施するか悩んでるですが、LECではどんな研修が実施できますか?
-
LECの研修は、集合研修・eラーニング研修と分けて幅広いラインナップを取り揃えており、それらをベースにして、お客様のニーズを合わせてオーダーメイド・カスタマイズで対応いたします。
「こんな研修を実施したい」というご希望が明確であったり、「何を実施するか迷う」といったお悩みをお持ちの場合は、まずはぜひお問合せください。ご要望を伺ったうえで、最適な研修をご提案いたします。
- 全国で研修が実施できますか?
- 全国各地で研修をご提供可能です。お客様のご要望に応じて実施地域の講師をアサインいたします。周辺に適した講師がいない場合は、東京や大阪の拠点より派遣いたします。また、双方向型オンライン研修やeラーニング研修メニューも充実しておりますので、さまざまな研修スタイルを、地域に関わらずご提供可能です。
- 実績を教えてください。
- 創立後40年以上の歴史を持っている弊社ですが、企業研修部門についても30年以上前よりご提案をおこなっております。数多くの名だたる大企業から中央省庁、自治体研修所の包括受託まで、豊富な受託・提供実績を持っており、資格スクール事業で培ったノウハウと併せて、貴社の人材育成を万全にお手伝いいたします。
- 研修料金はいくらですか?
- 研修料金は、プログラム内容、時間、参加人数、回数等によって異なります。
集合研修の場合は、半日研修で20万円〜、一日研修30万円〜です。
また、eラーニングは1講座1,000円(税抜)と3,000円(税抜)の講座が中心です。一定人数の受講が見込まれる場合は受講料金のご相談を承ります。
他のコンテンツ受講や集合研修などの組み合わせにより提供価格は変動します。
ご予算にあわせた、カリキュラムのご提案もいたします。ご相談ください。
- eラーニングと集合型・オンライン型研修の違いはなんですか?
- eラーニングは、パソコンやモバイル端末を利用し、動画やスライドを視聴しながら行う学習方法です。時間や場所を問わずに自分のペースで学習に取り組める、何度も繰り返し学習ができることが特徴で、知識の修得に効果的な学習方法です。スマートフォンのようなモバイル端末を用いたeラーニングは、まさに時間と場所を選ばない学習スタイルといえます。
一方、双方向型オンライン研修は、eラーニングと同様にパソコンやモバイル端末を利用し学習します。配信時間に合わせた受講になりますが、双方向型配信の特徴を活かしたグループワークやディスカッションなど、講師と受講者、受講者同士のコミュニケーションをとることが可能です。知識修得に加え、より具体的な実践力の強化に適した学習スタイルです。繰り返し学習可能なeラーニング、実践力強化も可能な双方向型オンライン研修、各々の特徴を知り、目的に応じた使い分け、ブレンディングが有効です。
- 集合型とオンライン型で研修内容に違いはありますか?
- 集合型研修のカリキュラムをベースに、グループワークやチャット機能の活用など集合型に近い形で実施いたします。内容やテーマによっては、カリキュラムの変更、タイムスケジュールの調整なども行い、より高い学習効果を目指します。
※グループワークや体験共有など、オンライン研修だけで効果を上げることが難しいカリキュラムもあります。オンライン研修の特性を活かした研修計画をご提案させて頂きます。
- 研修実施の相談や依頼はどのようにすればよいですか?
- お問い合わせフォームまたはお電話にてお気軽にお問合せください。お問合せを頂きましたのち、弊社担当営業にてヒアリング、ご提案をさせて頂きます。弊社既存の研修メニューのカスタマイズや貴社オリジナル研修の対応もいたします。双方向型のオンライン研修だけではなく、動画配信型やクリックアニメーション型eラーニングも含め貴社ご要望にマッチしたご提案をさせて頂きます。
- オンライン研修への参加が始めての受講者が心配です。
- 弊社スタッフより、研修開始前のオリエンテーションでオンライン研修に参加する際のポイントや研修中のサポートについてレクチャーいたしますので、ご安心ください。