Day 0：pythonプログラミング

• 詳細：Pythonの文法、Pythonの応用

• 取扱うモデル／テクニック：Python、数値演算、文字列操作、制御構文、関数、オブジェクト指向、データ型、組み込み関数、ファイル操作

  Day 01：データ前処理

• 詳細：データ加工処理,データ可視化

• 取扱うモデル／テクニック：Numpy、配列操作、並び替え、乱数生成、ブロードキャスト、Pandas、データ抽出、データ加工、データ結合、集約演算、時系列データの取り扱い、Matplotlib、グラフの描画、分析結果の見せ方

  
  

  Day 02：統計的データ分析

• 詳細：記述統計と単回帰、確率・統計

• 取扱うモデル／テクニック：Pandas, Seaborn、scikit-learn、データの読み込み、要約統計量、探索的データ分析、単回帰、決定係数、数学的確率、統計的確率、確率変数、大数の法則、中心極限定理、統計的推定、統計的検定

  
  
  
  

  Day 03：教師あり学習の基礎

• 詳細：教師あり学習の基礎、モデル検証方法とチューニング方法

• 扱うモデル／テクニック：scikit-learn、機械学習概要、重回帰、正則化、ロジスティック回帰、決定木、SVM、k-NN、モデル評価、ホールドアウト法、交差査検証法、ハイパーパラメータチューニング、混合行列、ROC曲線、AUC、各種評価指標

  
  
  
  

  Day 04：モデルの精度向上、教師なし学習の基礎、特徴量エンジニアリング

• 詳細：アンサンブル学習、機械学習の基礎（教師なし学習）、特微量エンジニアリング

• 取扱うモデル／テクニック：質的変数のエンコーディング、量的変数のスケーリング、量的変数の非線形変換、ビニング、特徴量選択、パーセプトロン、ニューラルネット、高速化、分散処理、各種ツール、最新トレンド