未経験から6か月間でデータサイエンティストを目指す

データサイエンティスト育成コース

データサイエンティストとは

What is Data scientist?

データサイエンティストとは、高度なデータ分析技術を用いてビジネス課題を解決する専門職です。しかし、一言でデータサイエンティストと言っても業界・企業によって仕事内容は大きく変わります。

ECサイトや
ウェブサービス業界

レコメンデーションアルゴリズムを
開発や広告最適化

金融業界

貸し出し審査に用いる与信モデルの構築や
ダイレクトマーケティングのROI最適化

物流業界

商品配置や最適化や
リソース・スケジューリングの最適化

こんな方におすすめ

Program

データサイエンティスト育成プログラム

データサイエンスをエッジにしてキャリアを本気で切り拓こうとする
社会人の方に向けたプログラムです。

データサイエンティストはビジネス課題を解決できてこそ、その存在価値があります。業界や機能に関係なくデータサイエンティストとして仕事をすることはもちろん、これまで経験した仕事との組み合わせにより、あなたらしいキャリアの可能性があります。

マーケティング
の経験
+
データ
サイエンス
スキル
=
データ分析を
強みとした
マーケティング
コンサルタント
営業の経験
+
データ
サイエンス
スキル
=
ビッグデータ
ビジネスの
事業開発
経理•会計
の経験
+
データ
サイエンス
スキル
=
監査法人や
会計事務所での
分析
コンサルタント
SE•エンジニア
の経験
+
データ
サイエンス
スキル
=
データ
エンジニア
コンサルティング
の経験
+
データ
サイエンス
スキル
=
データ分析
コンサルタント

プログラムの特徴

Features

このプログラムは、未経験の方であってもデータサイエンティストのエントリー職として仕事に就けるレベルにまで引き上げることを目的としています。データサイエンティストになるには、統計学や機械学習などのアルゴリズムに関する知識、Python、R、SQL、Sparkなど実際に大規模なデータを分析するためのコーディングスキルに加え、それらを活用できるだけのビジネススキルや専門用語をわかりやすく説明できるだけのプレゼンテーション能力が求められます。そのためデータミックスの「データサイエンティスト育成プログラム」のカリキュラムや学習スタイルは広範囲な分野を効率的かつ体系的に身につけられるように工夫されています。

カリキュラムは実務で求められる分野をバランスよく体系的にまとめています

データサイエンティストにはビジネス知識、統計学、機械学習、人工知能、データベース、プログラミングと広範囲な分野のスキルが求められます。それぞれの分野をバランスよく、しかも実務で使える必要十分なスキルを身につけられるようにカリキュラムを設計してあるので体系的かつ効率的に学習できます。

少人数制で質問しやすい環境です

講師が受講生全員のスキルアップ達成のために伴走するためには受講生1人1人の理解度や強み・弱みを把握している必要があります。そのため授業は少人数で実施します。少人数制なので講師への質問がしやすく疑問点をその場で解消できます。

データサイエンティストとして経験豊富な講師が実務視点でレクチャーします

学習する中で「これは実務ではどうしているんですか?」という疑問を数多く持つはずです。そんな疑問は講師に全力でぶつけてください。講師と質問についてディスカッションし疑問が解決するたびにあなた自身の実務での対応力が上がっていくはずです。

隔週で出題されるミニプロジェクトでデータ分析のためのコーディングスキルを身につけます

「理解した」と「実際にできる」は大きく違います。データ分析では試行錯誤をいかに手早く行えるかは成果に直結してきます。そのため隔週でミニプロジェクトを出題し、実際にコードを書いて課題の解決をしていきます。また、最終プロジェクトとして企業の持つビジネス課題を解決することを通じて、データを使った課題解決能力を養います。

最終プロジェクトでデータ分析を使った問題解決のリアルを体験します

データサイエンスの力でビジネス課題を解決することが、データサイエンティストとしての存在価値であるとデータミックスでは考えています。そのため、最終プロジェクトでは、それまで学習したスキルを使ってビジネス課題を解決することを通じて総合力を身につけます。

スクール紹介(動画)

講師紹介

Instructor

  • 堅田 洋資
    Yosuke Katada

    ブートキャンプステップ、ベーシックステップ、アドバンスステップ「レコメンデーション」クラス

    日本では数少ない米国大学のデータサイエンス修士号を保有。
    機械学習を用いたレコメンデーションやプッシュ通知の最適化、アプリユーザーの行動分析や、交通系IoTのデータ分析、数理最適化など社内外のデータ分析を支援するコンサルタントとして活躍。

  • 牟田 博和
    Hirokazu Muta

    アドバンスステップ 「統計的因果推論と実験デザイン」クラス

    LINE株式会社で、サービスのグロース、マーケティング最適化など、社内のデータ活用に関わる様々なプロジェクトの推進およびデータ分析を担当。

  • George Serban Radescu
    ジョージ・シェルバン・ラデスク

    アドバンスステップ 「Big Data (Spark)」クラス

    米国のデータサイエンティスト養成スクールであるThe Data Incubatorで学んだ後、機械学習アルゴリズムを載せた分散処理システムの設計に携わる。現在、医療系のStartupでデータエンジニアとして活躍。

  • 角田 孝昭
    Takaaki Tsunoda

    アドバンスステップ 「自然言語処理とAPI」クラス

    サイバーエージェント 技術本部 秋葉原ラボにて、国内最大級のブログサービス「アメブロ」を主な対象とした、テキスト解析・ユーザ行動分析及び付随するシステム開発を担当。

  • 大西 佑紀
    Yuki Onishi

    アドバンスステップ 「組み合わせ最適化と動的計画法」、「ベイズモデリング」クラス

    Web企業に参画後、レコメンデーションシステムの開発やユーザ行動分析、マーケティング活動最適化支援等、機械学習や統計解析を用いたプロジェクトの企画から開発まで幅広く担当。

  • 乗松 潤矢
    Junya Noriamatsu

    アドバンスステップ 「ディープラーニング」クラス

    SIerにてインフラSEとして勤務ののち、大学院博士後期課程に入学。
    自然言語処理を専門とし、統計的機械翻訳システムの高速化に貢献。大学院での研究と並行して起業し、ディープラーニング等専門性を活かしたプロダクト開発に携わる。

データサイエンティスト育成コースのカリキュラム

Curriculum

  • パートタイム
  • フルタイム

データサイエンティスト育成コース「パートタイム」プログラムは、初歩からデータサイエンティストに必要な知識やスキル、考え方を実践的に学ぶことができる約6か月間のプログラムです。
全体は、「ブートキャンプ」、「ベーシック」、「アドバンス」、「インテグレーション」の4段階のステップで構成され、「ブートキャンプ」と「ベーシック」でデータサイエンスの基礎力を養い、「アドバンス」以降はご自身が学びたい業界にあわせた専門的な知識やスキルを学ぶことができます。最後のステップであるインテグレーションでは、その業界の課題に合わせた最終プロジェクトを通じて分析課題に取り組むことで,身に着けたスキルを実務で使えるように統合していきます。

データサイエンティスト育成コース『パートタイム』プログラムはお仕事をつづけながら6か月間でエントリー職以上の水準のデータサイエンティストを目指すビジネスパーソン向けのプログラムです。

データサイエンティスト育成コース
ブートキャンプ
(7週間)
Pythonによる線形代数
Pythonを使った機械学習ベーシック
Rによる統計学基礎
ロジカルシンキング
ベーシック
(6週間)
Rによる回帰分析と時系列分析
機械学習プロジェクト
アドバンス
(6週間)
自然言語処理とAPI
Deep Learning
インテグレーション
(5週間)

分析プロジェクト

データサイエンティスト育成コースは、初歩からデータサイエンティストに必要な知識やスキル、考え方を実践的に学ぶことができるプログラムです。・全体は、「ブートキャンプ」、「ベーシック」、「アドバンス」、「インテグレーション」の4段階のステップで構成され、「ブートキャンプ」と「ベーシック」でデータサイエンスの基礎力を養います。「アドバンス」ステップでは、更に専門的な内容をプロジェクトを通して学んでいきます。最後のステップであるインテグレーションでは、最終プロジェクトである分析課題を通して身に着けたスキルを実務で使えるように統合していきます。

データサイエンティスト育成コース「フルタイム」プログラムは約3か月間でエントリー職以上の水準のデータサイエンティストを目指す短期集中型のプログラムです。

データサイエンティスト育成コース
ブートキャンプ
(3.5週間)
Pythonによる線形代数
Pythonを使った機械学習ベーシック
Rによる統計学基礎
データ分析のためのロジカルシンキング
ベーシック
(3週間)
Rによる統計学入門
機械学習プロジェクト
アドバンス
(3週間)
自然言語処理とAPI
Deep Learning
インテグレーション
(5週間)

分析プロジェクト

Bootcamp

ブートキャンプ

ブートキャンプでは、データ分析職に求められるスキルを身につけるためのベースとなる線形代数や統計学、プログラミングなどの基礎知識及び、ビジネスを進めていく上で最低限必要なロジカルシンキングについて学びます。週1回のクラスにおけるレクチャーと毎回課される宿題を通して学んでいただきます。全7回、7週間のステップになります。

1週目
Pythonによる
線形代数
2・3週目
Pythonを使った
機械学習ベーシック
4・5週目
Rによる統計学
6・7週目
ロジカル
シンキング

ブートキャンプでは、データ分析職に求められるスキルを身につけるためのベースとなる線形代数や統計学、プログラミングなどの基礎知識及び、ビジネスを進めていく上で最低限必要なロジカルシンキングについて学びます。1回のクラスにおけるレクチャーと毎回課される宿題を通して学んでいただきます。全7回のステップになります。

1回目
Pythonによる
線形代数
2・3回目
Pythonを使った
機械学習ベーシック
4・5回目
Rによる統計学
6・7回目
ロジカル
シンキング
Basic

ベーシック

ベーシックでは、「Rによる回帰分析と時系列分析」を4週間かけて、そして、「Pythonを使った機械学習」を2週間かけて、全6週間で学びます。統計学は最初の2週間はクラスでのレクチャー、3週目と4週目、PBL(課題解決型学習)としてクラスでミニプロジェクトに取り組みます。機械学習は1週目はクラスでレクチャー、そして2週目でクラスでミニプロジェクトに取り組みます。

統計

1週目

クラスでレクチャー

1週目

2週目

クラスでレクチャー

1週目

3週目

プロジェクトワーク

1週目

4週目

プロジェクトワーク

1週目

機械学習

5週目

クラスでレクチャー

1週目

6週目

プロジェクトワーク

1週目

ベーシックでは、「Rによる回帰分析と時系列分析」を2週間かけて、そして、「Pythonを使った機械学習」を1週間かけて、全3週間で学びます。統計学は最初の2回はクラスでのレクチャー、3回目と4回目、PBL(課題解決型学習)としてクラスでミニプロジェクトに取り組みます。機械学習は1回目はクラスでレクチャー、そして2週目でクラスでミニプロジェクトに取り組みます。

統計

1回目

クラスでレクチャー

1週目

2回目

クラスでレクチャー

1週目

3回目

プロジェクトワーク

1週目

4回目

プロジェクトワーク

1週目

機械学習

5回目

クラスでレクチャー

1週目

6回目

プロジェクトワーク

1週目
Advance

アドバンス

アドバンスステップではレクチャーを2.5時間×2週間実施し、その後より実践的なスキルを身につけるためにプロジェクトに取り組む3時間の授業を実施します。ベーシックステップ同様、取り組んだプロジェクトの結果を各自発表することでデータプレゼンテーションのスキルを高めます。

自然言語処理

1週目

クラスでレクチャー

1週目

2週目

クラスでレクチャー

1週目

3週目

プロジェクトワーク

1週目

Deep Learning

1週目

クラスでレクチャー

1週目

2週目

クラスでレクチャー

1週目

3週目

プロジェクトワーク

1週目

アドバンスステップではレクチャーを2.5時間×2週間実施し、その後より実践的なスキルを身につけるためにプロジェクトに取り組む3時間の授業を実施します。ベーシックステップ同様、取り組んだプロジェクトの結果を各自発表することでデータプレゼンテーションのスキルを高めます。

自然言語処理

1回目

クラスでレクチャー

1週目

2回目

クラスでレクチャー

1週目

3回目

プロジェクトワーク

1週目

Deep Learning

1回目

クラスでレクチャー

1週目

2回目

クラスでレクチャー

1週目

3回目

プロジェクトワーク

1週目
Integration

インテグレーション

最終プロジェクトとして「インテグレーションステップ」と呼ばれる卒業プロジェクトがあります。ここまでで身に着けたコーディングスキルとデータ分析の知識を使い、ビジネス課題をケースとした最終プロジェクトに取り組んでいただきます。企業の生の課題を解決することを通じて、データを使った課題解決能力を養います。

1週目
ビジネスケース選定・
分析課題の明確化
2週目
個別メンタリング
3週目
個別メンタリング
4週目
個別メンタリング
5週目
最終発表

最終プロジェクトとして「インテグレーションステップ」と呼ばれる卒業プロジェクトがあります。ここまでで身に着けたコーディングスキルとデータ分析の知識を使い、ビジネス課題をケースとした最終プロジェクトに取り組んでいただきます。企業の生の課題を解決することを通じて、データを使った課題解決能力を養います。

1回目
ビジネスケース選定・
分析課題の明確化
2回目
個別メンタリング
3回目
個別メンタリング
4回目
個別メンタリング
5回目
最終発表

受講までの流れ

Flow

無料説明会においてカリキュラムの詳細や受講までの流れを説明します。

受講にあたっての疑問や不安な点をご質問いただけますので、ぜひ無料説明会にご参加ください。

Step
1
無料説明会に
参加
Step
2
受講コースの
決定
Step
3
申込書
提出
Step
4
入学金・受講料
のお支払い
Step
5
理解度確認
テストの実施
Step
6
オリエンテーション
Step
7
受講開始

学費のお支払い

  • 入学を決め受講を申し込まれた方は入学金と受講料をお支払ください(データサイエンティストコースを一括で申し込まれた方は入学金が無料となります)。
  • データサイエンティストコースを全ステップ一括で申し込まれた方について、最初の「ステップ」(「ブートキャンプ」)開始後2週間以内に中止を申し出た場合は理由の如何を問わず全額返金します。また、ブートキャンプ終了時に満足いただけない場合は、理由の如何を問わずブートキャンプ以降のステップの受講料を全額返金します。

入学にあたっての注意

  • ノートPCは各自で用意してください。ノートPCのスペックはCPU2コア2GHz以上、メモリ8G以上のものを推奨します。
  • 受講者は講義への出席以外にも予習・復習、プロジェクトのための時間として1週間で10時間以上(1日1~2時間程度)が必要になる可能性があります。
  • 体力的、時間的に継続が難しくなった場合は速やかに講師や事務局に相談してください。アドバイス・サポートを行います。
  • 入学金・授業料については如何なる場合もご返金できません。

料金

Price

データサイエンティスト全コースを一括で申し込んでいただいた方は「入学金」が無料。

入学金
25,000円(税抜)
受講料
675,000円(税抜)
満足保証
(返金制度)

データサイエンティスト全コースを一括で申し込んでいただいた方のみ、
ブートキャンプ終了時にご満足いただけない場合は受講料を全額返金します。

*受講開始後2週間以内にお申し出いただいた場合は全額返金、ブートキャンプ終了時点でお申し出いただいた場合はブートキャンプ以降のステップ分を返金いたします。

ステップ単位の受講(単科受講)について

「ブートキャンプ(5講座セット)」と「ベーシック (2講座セット)」の2つのステップはステップ単位の受講(単科受講)が可能です。また、単科受講において「ブートキャンプ(5講座セット)」 及び「ベーシック」を修了した方は継続して「アドバンス」と「インテグレーション」のステップに進むことも可能です。

入学金
25,000円(税抜)
ブートキャンプ受講料
150,000円(税抜)
ベーシック受講料
175,000円(税抜)
教室に行けない、欠席した際のサポート体制

ブートキャンプ及びベーシックステップの授業をやむを得ず欠席する場合は、同週で行われる授業へ振り替えが可能です。また、振替先の授業が満席の場合やどうしても授業に出られない場合は、一定期間は授業風景を録画したビデオを配信しておりますので、そちらで自習していただけます。

サポート企業

Supporting Companies