このコースの内容とPythonについて											
									
										- コースの概要
 - 学習を進めるために
 
												
												準備											
									
										- インストールとセットアップ
 - IPython notebookの使い方
 - 学習を進めるための資料
 
												
												numpyを知ろう											
									
										- numpy入門
 - アレイを作る
 - アレイを使った計算
 - アレイの添え字
 - 行と列の入れ替え
 - アレイと計算のための関数
 - アレイを使ったデータ処理
 - アレイのの入出力
 
												
												pandas入門											
									
										- Series(1次元のデータ列)
 - DataFrame(テーブル型のデータ)
 - indexの基本
 - indexを変える
 - 行や列を削除する
 - データを取り出す
 - 形の違うデータの計算
 - データの並べ替えと順番
 - データと統計量
 - 欠損値の扱い
 - indexの階層構造
 
												
												データ解析の基礎 その1											
									
										- テキストデータの読み書き
 - JSON
 - HTMLからのデータの取り出し
 - Excel形式のファイルを読み込む
 
												
												データ解析の基礎 その2											
									
										- データのマージ
 - indexを使ったマージ
 - データの連結
 - DataFrameを組み合わせる
 - SeriesとDataFrameの変換
 - ピボットテーブルの作り方
 - 重複したデータの処理
 - マッピングを使った列の追加
 - 置換
 - indexの変更
 - ビニング(Binning)
 - 外れ値
 - Permutation
 
												
												データ解析の基礎 その3											
									
										- データをまとめるGroupBy
 - データをまとめるGroupByその2
 - データのAggregation
 - Split、Apply、Combining
 - クロス集計表
 
												
												データの可視化											
									
										- Seabornのインストール
 - ヒストグラム
 - カーネル密度推定
 - 分布の可視化
 - ボックスプロットとバイオリンプロット
 - 回帰とプロット
 - ヒートマップとクラスタリング
 
												
												実践データ解析											
									
										- 実践データ解析(導入)
 - 実践データ解析(準備)
 - タイタニック その1
 - タイタニック その2
 - タイタニック その3
 - タイタニック その4
 - 株式市場のデータ解析入門
 - 株式市場 その1
 - 株式市場 その2
 - 株式市場 その3
 - 株式市場 その4
 - 株式市場 その5
 - 選挙とデータ解析
 - 選挙 その1
 - 選挙 その2
 - 選挙 その3
 - 選挙 その4
 
												
												機械学習											
									
										- 機械学習入門
 - 線形回帰 その1
 - 線形回帰 その2
 - 線形回帰 その3
 - 線形回帰 その4
 - ロジスティック回帰 その1
 - ロジスティック回帰 その2
 - ロジスティック回帰 その3
 - ロジスティック回帰 その4
 - 多クラス分類 その1:ロジスティック回帰
 - 多クラス分類 その2:k近傍法
 - サポートベクトルマシン(SVM) その1
 - サポートベクトルマシン(SVM)その2
 - ナイーブベイズ分類 その1
 - ナイーブベイズ分類 その2
 - 決定木とランダムフォレスト
 
												
												付録A:Pythonの基礎											
									
										- Pythonの基礎 その1
 - Pythonの基礎 その2
 - Pythonの基礎 その3
 



					
					
						









