ビデオの再生を何回か試みましたが、予期せぬエラーが発生しました。当社のエンジニアに報告されました。
https://helpx.adobe.com/flash-player.htmlにてご利用のブラウザで Flash が有効であるかをご確認ください。
Flash が有効な場合、数分おいて再度お試しになるか、サポートまでご連絡ください。
このコースは、Pythonを使ってデータを解析し可視化するために必要なスキルを網羅しています。Pythonと科学計算のためのライブラリの使い方が完璧に理解できるようになっています。
このコースを習得すれば、次のような事ができるようになります。
- Pythonプログラミングへの知識が深まります。
- numpyを使って、アレイを使った数値計算ができるようになります。
- pandasを使った効果的なデータ解析ができるようになります。
- matplotlibとseabornを使って、出版にも使えるほど綺麗なデータの可視化が可能になります。
- Pythonを使って実際にデータを解析する方法論が身につきます。
- 機械学習への理解が相当高まります。
- すべてのコードはPython3に完全対応しています。
20時間以上、100本を超えるビデオと、すぐに使えるPythonコードがまとまった資料が用意されていますので、データサイエンスに関する知識が飛躍的に高まります。
セクション 1: このコースの内容とPythonについて | |||
---|---|---|---|
レクチャー 1 |
コースの概要
プレビュー
|
04:13 | |
レクチャー 2 |
学習を進めるために
|
テキスト | |
セクション 2: 準備 | |||
レクチャー 3 |
インストールとセットアップ
プレビュー
|
04:15 | |
レクチャー 4 |
IPython notebookの使い方
プレビュー
|
06:46 | |
レクチャー 5 |
学習を進めるための資料
|
02:36 | |
セクション 3: numpyを知ろう | |||
レクチャー 6 |
numpy入門
|
テキスト | |
レクチャー 7 |
アレイを作る
|
06:19 | |
レクチャー 8 |
アレイを使った計算
|
04:33 | |
レクチャー 9 |
アレイの添え字
|
12:18 | |
レクチャー 10 |
行と列の入れ替え
|
08:23 | |
レクチャー 11 |
アレイと計算のための関数
|
05:06 | |
レクチャー 12 |
アレイを使ったデータ処理
|
19:04 | |
レクチャー 13 |
アレイのの入出力
|
07:21 | |
セクション 4: pandas入門 | |||
レクチャー 14 |
Series(1次元のデータ列)
|
11:41 | |
レクチャー 15 |
DataFrame(テーブル型のデータ)
|
14:43 | |
レクチャー 16 |
indexの基本
|
03:19 | |
レクチャー 17 |
indexを変える
|
10:49 | |
レクチャー 18 |
行や列を削除する
|
04:29 | |
レクチャー 19 |
データを取り出す
|
07:14 | |
レクチャー 20 |
形の違うデータの計算
|
08:47 | |
レクチャー 21 |
データの並べ替えと順番
|
04:32 | |
レクチャー 22 |
データと統計量
|
15:20 | |
レクチャー 23 |
欠損値の扱い
|
08:44 | |
レクチャー 24 |
indexの階層構造
|
09:43 | |
セクション 5: データ解析の基礎 その1 | |||
レクチャー 25 |
テキストデータの読み書き
|
08:00 | |
レクチャー 26 |
JSON
|
03:53 | |
レクチャー 27 |
HTMLからのデータの取り出し
|
03:06 | |
レクチャー 28 |
Excel形式のファイルを読み込む
|
03:41 | |
セクション 6: データ解析の基礎 その2 | |||
レクチャー 29 |
データのマージ
|
16:58 | |
レクチャー 30 |
indexを使ったマージ
|
09:16 | |
レクチャー 31 |
データの連結
|
09:38 | |
レクチャー 32 |
DataFrameを組み合わせる
|
10:48 | |
レクチャー 33 |
SeriesとDataFrameの変換
|
09:46 | |
レクチャー 34 |
ピボットテーブルの作り方
|
04:26 | |
レクチャー 35 |
重複したデータの処理
|
06:20 | |
レクチャー 36 |
マッピングを使った列の追加
|
04:53 | |
レクチャー 37 |
置換
|
03:06 | |
レクチャー 38 |
indexの変更
|
07:01 | |
レクチャー 39 |
ビニング(Binning)
|
05:28 | |
レクチャー 40 |
外れ値
|
09:47 | |
レクチャー 41 |
Permutation
|
06:57 | |
セクション 7: データ解析の基礎 その3 | |||
レクチャー 42 |
データをまとめるGroupBy
|
19:32 | |
レクチャー 43 |
データをまとめるGroupByその2
|
11:32 | |
レクチャー 44 |
データのAggregation
|
14:20 | |
レクチャー 45 |
Split、Apply、Combining
|
10:42 | |
レクチャー 46 |
クロス集計表
|
06:28 | |
セクション 8: データの可視化 | |||
レクチャー 47 |
Seabornのインストール
|
01:36 | |
レクチャー 48 |
ヒストグラム
|
09:55 | |
レクチャー 49 |
カーネル密度推定
|
22:53 | |
レクチャー 50 |
分布の可視化
|
05:27 | |
レクチャー 51 |
ボックスプロットとバイオリンプロット
|
11:17 | |
レクチャー 52 |
回帰とプロット
|
22:25 | |
レクチャー 53 |
ヒートマップとクラスタリング
|
19:33 | |
セクション 9: 実践データ解析 | |||
レクチャー 54 |
実践データ解析(導入)
|
02:25 | |
レクチャー 55 |
実践データ解析(準備)
|
04:31 | |
レクチャー 56 |
タイタニック その1
|
16:36 | |
レクチャー 57 |
タイタニック その2
|
17:48 | |
レクチャー 58 |
タイタニック その3
|
15:55 | |
レクチャー 59 |
タイタニック その4
|
02:49 | |
レクチャー 60 |
株式市場のデータ解析入門
|
03:05 | |
レクチャー 61 |
株式市場 その1
|
11:58 | |
レクチャー 62 |
株式市場 その2
|
17:09 | |
レクチャー 63 |
株式市場 その3
|
09:55 | |
レクチャー 64 |
株式市場 その4
|
11:03 | |
レクチャー 65 |
株式市場 その5
|
32:10 | |
レクチャー 66 |
選挙とデータ解析
|
02:26 | |
レクチャー 67 |
選挙 その1
|
17:01 | |
レクチャー 68 |
選挙 その2
|
15:51 | |
レクチャー 69 |
選挙 その3
|
13:02 | |
レクチャー 70 |
選挙 その4
|
18:53 | |
セクション 10: 機械学習 | |||
レクチャー 71 |
機械学習入門
|
08:58 | |
レクチャー 72 |
線形回帰 その1
|
15:26 | |
レクチャー 73 |
線形回帰 その2
|
12:28 | |
レクチャー 74 |
線形回帰 その3
|
18:02 | |
レクチャー 75 |
線形回帰 その4
|
15:26 | |
レクチャー 76 |
ロジスティック回帰 その1
|
11:34 | |
レクチャー 77 |
ロジスティック回帰 その2
|
11:52 | |
レクチャー 78 |
ロジスティック回帰 その3
|
12:29 | |
レクチャー 79 |
ロジスティック回帰 その4
|
07:50 | |
レクチャー 80 |
多クラス分類 その1:ロジスティック回帰
|
13:48 | |
レクチャー 81 |
多クラス分類 その2:k近傍法
|
13:43 | |
レクチャー 82 |
サポートベクトルマシン(SVM) その1
|
06:49 | |
レクチャー 83 |
サポートベクトルマシン(SMV)その2
|
07:04 | |
レクチャー 84 |
ナイーブベイズ分類 その1
|
09:40 | |
レクチャー 85 |
ナイーブベイズ分類 その2
|
04:23 | |
レクチャー 86 |
決定木とランダムフォレスト
|
24:28 | |
セクション 11: 付録A:Pythonの基礎 | |||
レクチャー 87 |
Pythonの基礎 その1
|
10:31 | |
レクチャー 88 |
Pythonの基礎 その2
|
07:41 | |
レクチャー 89 |
Pythonの基礎 その3
|
08:16 |
1975年東京生まれ。東京大学工学部計数工学科、同大学院を修了。IT系ベンチャー企業で、JavaををつかったWebアプリケーションの開発に従事したあと、大学の博士課程に戻り、生命情報科学の分野で博士号を取得後、おもにがん研究分野における大規模データの解析に従事。2005年頃からPythonに注目し、最近はほとんどすべての仕事をPythonで片付けている。
Jose Marcial Portilla has a BS and MS in Mechanical Engineering from Santa Clara University and over 3 years experience as a teaching assistant for various engineering classes. He has publications and patents in various fields such as microfluidics and materials science. Over the course of his career he has developed a skill set in analyzing data, specifically using Python and a variety of modules and libraries. He hopes to use his experience in teaching and data science to help other people learn the power of the Python programming language and its ability to analyze data, as well as present the data in clear and beautiful visualizations. Currently he works as the Head of Data Science for a start-up and provides in-person data science and python training courses to a variety of companies, including top banks such as Credit Suisse. Feel free to contact him on LinkedIn for more information on in-person training sessions.