データ分析のイベント、強化学習のハンズオン、深層学習において、直感に訴えるプログラミング言語であるPythonが注目されています。 Pythonは非常に使いやすい環境をもち、特にプログラミングの経験のない人でもすんなりと入り込むことができます。 現在、Pythonはプログラム言語のランキングでJava, C, C++,C#よりも上位に位置しており、同じような汎用言語と比べると圧倒的な人気です。 また、思考を鍛えるという観点から業種を超えて注目されており、特にAI、機械学習、データサイエンスの分野において主流となりつつあります。
　本チュートリアルは、Pythonにとりあえず触れてみたいと思っている方を対象に演習中心のワークショップ形式で進めます。 特にPython (Jupyter-notebook) を用いたグラフ表現と統計的分析の入門レベルを学びます。
　購買履歴や仕入履歴、来店履歴、営業履歴、アンケートや閲覧履歴など、さまざまなビジネス行動データを効率的かつ効果的に活用するための実践的な知識と技術 (基礎から応用まで) について、演習を中心に、データサイエンス・ワークショップでのコーチング経験が豊富な講師2名がインタラクティブに解説します。データサイエンス実務についても解説・演習します。
　実際のビジネスデータを使った具体的な計算を通して、受講生自らPythonを操作しながら統計解析とデータ分析の基礎知識/技術やデータサイエンスのためのプログラミングの基礎を実践的・体感的に理解できます。統計解析のビジネス定量分析/データサイエンスへの実装が習得できます。
　確率統計やPythonについての事前知識は不要ですが、「参考サイト」などに事前に目を通しておくと、学習効果はアップします。
　ワークショップ当日の内容すべてをカバーするパワーポイント資料とPython資料をテキストとして配布します。使用したPythonコードは、USBメモリに格納してお持ち帰りいただけます。

1. Jupyter-notebookで“Hello, world!”
   1. Jupyter-notebookの言語としての特徴の説明
   2. Jupyter-notebookのAnaconda for Windows (Anaconda 4.2.0以上) からのダウンロードとインストール
   3. 追加モジュール (monthdelta, pandas_datareadeer) の導入
2. Python文法基礎
   1. 四則演算の説明
   2. 制御構文 (if, forの解説) の説明
   3. 関数の説明
3. ビジネスにおけるデータ分析の流れ
   1. ビジネスデータと分析のギャップ
   2. データの加工の必要性について
4. 基礎統計量による分析
   1. 記述統計学と推測統計学
   2. 母集団と標本
   3. 統計量 (平均、分散、標準偏差、etc)
5. Pandasの使い方
   1. データフレームの説明
   2. データフレームの操作方法
   3. データフレームに対する演算 (結合、集計)
6. データ可視化
   1. ヒストグラム
   2. 棒グラフ
   3. 散布図
   4. 折れ線グラフ
7. データの相関と回帰
   1. 相関分析の説明
   2. 回帰分析の説明
8. データ分類について
   1. 分類問題
   2. 決定木分析
   3. クラスタリング分析