１．データサイエンス
（１）データサイエンスの仕事
　イ．可視化する技
（２）データの種類と特性
（３）データ収集とデータクレンジング

２．機械学習の実践のための統計学の準備
（１）統計学概論　
　イ．確率論と確率分布の理解
　ロ．回帰分析と相関分析
（２）データ推定とRによる仮説検定の実践

３．機械学習を活かした課題解決
（１）機械学習の概念
　イ．教師あり・なし学習、テストデータ
（２）アルゴリズム
　イ．学習モデルの紹介
（３）次元削減によるモデル改善

４．時系列データの解析とクラウドの活用
（１）データの集計の実践
　イ．分散処理とは
（２）ビッグデータについて
　イ．フレームワーク
（３）コンピューティング環境
　イ．クラウドコンピューティング演習

５．時系列データによる解析と活用
（１）時系列モデルの特徴と課題への適応
（２）可視化と予測モデル
（３）時系列モデルの紹介による時間発展事象の理解と課題解決への活用
　イ．Ｐｒｏｐｈｅｔ、ＬｉｇｈｔＧＢＭ

６．総合実習課題
（１）受講者の現場を想定した実データセットを用いたプロジェクトの実践
例）設備センサーデータやメンテナンス履歴学習による異常予測 　　　
例）品質検査データ学習による品質不良予測
例）製造プロセスのエネルギー使用データ学習解析による削減提案
例）製品品質と対になる生産ラインの変数学習による品質最適化

７．まとめ
（１）質疑応答
（２）訓練コース内容のまとめ
（３）講評・評価 "


≪担当予定講師≫
アイ・イー・テック(IE Tech - research institute) 代表 技術士(経営工学部門) 星山 孝子