【2020年版】Udemyで統計・分析が学べる人気コース12選【Python・R言語など】

こんにちは! 現在新卒iOSエンジニア2年目の新米エンジニアです。

私は独学で勉強していた時にUdemyで10コース以上購入してきました。

最近仕事でデータの分析系を扱うことが増えてきて、一回ちゃんと勉強したいと思っています。

Udemyで統計・データ分析系のコースを調べていたところ、良さそうなコースがたくさんあったので、今回は記事にしてシェアすることにしました!

それではみていきましょー!

【2020年版】Udemyで統計・分析が学べる人気コース12選

Udemyで統計・データ分析が学べる人気コースを12個まとめます!

1. 【ゼロからおさらい】統計学の基礎

内容
何となく分析をしているけれど、これで本当に合っているのだろうか…?

部下の持ってきたデータをそのまま信じていいものか。経営判断がしづらい…。

そんな悩みを持つかたにぜひおすすめしたい、統計学の入門講座です。

数学が苦手でも大丈夫。統計学の基礎をゼロから身につけていきます。

エクセルを使った練習問題で、明日から使える分析手法を身につけましょう。

◆このコースの詳細をみる

2. Rではじめる統計基礎講座

“内容”
会社の会議で「このデータって本当に有意差あるの?」
大学のゼミで「来週までにアンケートの相関関係を調べてきて」
ニュースや新聞で「日経平均株価が上昇に転じ…」

などなど、 統計に関わる用語や数値は、知っていようがいまいが世の中にあふれています。
なぜならば統計学は、ビジネス、社会科学、工学、医療など、社会のほぼ全ての分野で応用されている学問だからです。

でも、 分散とか有意差って調べてもイメージがつかめない…
実際のデータでどう計算すればいいのかわからない…
せめて統計用語が出てくる会話についていければ十分なのに…
という方は多いのではないでしょうか?

この講座では 統計がイマイチよくわからないという人を対象に、統計学の基礎をR言語を使いながら学ぶ講座です。
基本的な用語、解析手法だけでなく、プログラミングの基礎も習得することができます。

統計に馴染みのない人から、仕事や学校ですでに困っている人まで、イマイチ統計がわからない幅広い方々におすすめの講座です。

<こんな方におすすめです>

今まで統計の授業や講座を受けたことがない方
もう一度一から統計を学び直したい方
どこから統計の勉強を始めたら良いかわからない方
Rなどプログラミング言語に興味がある方
<こんなことが身につきます>

統計学の基礎知識が身につく
R言語の基本的な操作方法が身につく
簡単なデータ解析が行えるようになる
統計に係る様々な値の意味がわかるようになる

◆このコースの詳細をみる

3. 医療者のためのPythonデータ解析

“内容”
【本講座の特徴】

医療データ解析において必要なメソッドと解析方法のエッセンスを身に付けていきます。

主に実際の医療データを用いる為、体系的なカリキュラムを、より実践的に学ぶことが出来ます。

Pythonの基礎から扱う為、初学者でも安心して受講することが出来ます。

「統計を用いたデータ解析」において学べる解析手法

– 重回帰分析

– ロジスティック回帰分析

– ランダムフォレスト

– XGboost

– t検定

– 生存曲線

– 正規分布

◆このコースの詳細をみる

4.【R言語をゼロから理解していく】データサイエンスの実践例から学ぶデータ分析入門

“内容”
データサイエンスの第一歩をスムーズに!

このコースは、データサイエンスの基本的な考え方、データ解析とグラフ作成について学ぶことができます。そして、あなたの実際の業務に適応することを目標にしています。また、予備知識については全く必要ありません。

ここでは、Rという統計解析用のプログラミング言語を学びます。Rはプログラミング初心者に対しても優しい言語であり、大学や企業などでも広く用いられています。

近年、Rに関する数多くの書籍が出版されています。しかし、実際の操作方法については、文字による説明だけでは飲み込みづらいのが実状です。本コースでは実際の操作画面を動画とキャプションで表示しているため、複雑な操作であっても直感的に理解することができるでしょう。

本コースを通して、以下の項目を学ぶことができます。

データサイエンス(統計学・機械学習)の背景、データ分析の実践例
R/Rstudioの基本的な操作
データの特徴を理解するのに役立つ要約技法、グラフ作成方法
実際の業務を想定した分析シミュレーション・分析プロセス
インターネット上に公開されているデータを取得し、地図などで表現する可能性
twitterなどのテキスト情報を分析してグラフ化する技法

データサイエンスの学習を始めましょう!

◆このコースの詳細をみる

5. 【R言語でらくらく解析】ビジネスマンのためのデータ分析入門

“内容”
データサイエンスセミナーを数多く手がけるDatum Studio株式会社による、ビジネスマンのためのR入門講座です。基本的なコマンドを覚えるだけで、大量のデータを処理・活用できるようになる、分析ツール「R」。手持ちのデータを活用できておらずお困りのかたにおすすめの講座です。

◆このコースの詳細をみる

6. ビジネスに最低限必要なExcelスキルだけ磨く!データ分析基本編

“内容”
数年前からビジネスにおけるデータ活用が盛んに言われるようになっています。データサイエンティストや高度な分析技術をもとに問題解決を行う専門部署の社員だけでなく一般社員においても日常的にデータ分析が必要とされています。

反面、データ分析を学ぶ機会として、いきなり統計を学ぶものであったり、多変量解析など難解なスキルが必要など、初心者がデータ分析を学ぶ機会が少ない状況にあります。

本講座では、本当に初心者を対象とした、ゼロから学べるデータ分析講座です。これまで統計をビジネスに活かそうと学習をしたが途中で付いていけなくなってしまった方や、新入社員の方、文系大学を卒業して数字と縁のない生活をしてきた方などを対象しています。

〈本講座の特徴〉

★文系ビジネスパーソンでも分かるデータ分析の基本の「き」を丁寧に解説していきます

★「誰にでも分かる」「すぐに活用できる」Excelデータ分析手法を伝授いたします。

本講座は、以下の4つのステップで、演習を交えながら解説していきます。

【STEP1:数字の有効活用事例】

事例を通して、数字活用の効果について確認していただきます。

【STEP2:数字の収集方法】

仮説思考を使った効果的なデータ収集方法について学んでいただきます。

【STEP3:データの読み取り方】

最低限の統計知識とデータ分析の基本について学んでいただきます。

【STEP4:説得力の高め方】

プレゼンテーションに使えるグラフ作成方法と見せ方について解説していきます。

【Case Study】

実際のビジネスシーンでよく見られるデータを使って演習に取り組んでいただきます。

難解な統計知識を使わず、初心者でも学びやすい、わかりやすいコースとなっております。また具体的なExcel操作の方法も解説しますので、明日から使えるスキルが身に付きます。是非、本コースを受講して、ビジネススキルをワンランクアップしていただきたいと思います。

◆このコースの詳細をみる

7. 【はじめての統計学】 エクセルで学ぶマーケティング統計分析&戦略

“内容”
講座内容
統計学とエクセルを使ったビジネス戦略プロセスを解説します!

テスト結果から何が言えるのか?

その平均値、本当に正しい?

広告宣伝費と販売数、本当に関係ある?

100人のアンケートだけで十分?

といった課題を、統計学の基本とエクセルによって解決するテクニックを学びます。

前半では、平均・分布・分散から、「このデータから、何を読み取れるのか?」を学びます。

次の相関分析では、近似曲線を使いながら「データAとデータBに関係があるのか?」というデータの関係性について学びます。

最後は、信頼区間やP値といった計算により、「そのテスト結果、正しいといえるのか?」というデータの信頼性を学びます。

1. 平均、分布、分散

平均

グラフ化(1) 縦棒グラフ

グラフ化(2) ヒストグラム

中央値

標準偏差

パレート分析

2. 相関分析

近似曲線の基本(1):R2

近似曲線の基本(2):正の相関、負の相関

近似曲線の基本(3):相関関係と因果関係

近似曲線の基本(4):予測値を計算

データを読み解く(1):外れ値

データを読み解く(2):グループ分け

データを読み解く(3):分解

データを読み解く(4):累計

近似曲線の応用(1):指数近似

近似曲線の応用(2):対数近似

近似曲線の応用(3):累乗近似

近似曲線の応用(4):多項式近似

最適解(1) 効率的なマーケティング

最適解(2)マーケティング予算の分配

3. 数字の信頼性

数字の信頼性とは

信頼区間(1):平均値の「幅」

信頼区間(2):エクセルで計算

信頼区間(3):シミュレーション

P値(1):テストの検証

P値(2):エクセルで計算

P値(3):シミュレーション

P値(4):有意差の注意点

◆このコースの詳細をみる

8. 医師が教えるR言語での医療データ分析入門

“内容”
このコースでは手元にあるもともと分析を想定していないデータの前処理(データをきれいにする工程)、つまり「汚い」データの読み込み→クリーニング→グラフの書き出し→分析→共有までを網羅しています。コースは世界でも有数の量と質を誇るであろう日本人の健康データを自分の手で処理できることをテーマに学習をすすめます。

なぜ医療データなのか?
 本コースで医療データを主題にしているのは、私自身が医療従事者であり、医療現場・産業保健の現場で埋もれているデータが現場の人間によって分析される環境を生み出し、より良い医療の発展に貢献したいと思っているためだからです。そのため、医療データを主に分析することを目的としてコースを作成しました。手元にあるデータを分析したいけど、どうすればよいかわからないという人には学びごたえがある内容になっていると思います。

何故R言語なのか?
 R言語は環境構築が比較的簡単で分析に使えるパッケージが豊富なので、ゼロから学ぶ人でも安心してスタートできますし、着実に力をつけることが出来ます。

 また私自身も全く知識のないとことから始めましたが、今ではデータの抽出〜分析までが以前の1/100の作業時間で済むようになったので、残った時間を他の業務・研究に充てることが可能になりました。また、日常疑問に感じることを、気軽にデータを使って語ることができるようになり、日々の業務での自身のスキルアップにもつながっていることを実感しています。

レポート作成方法まで学ぶ理由
 分析したデータは人の目に触れて(共有されて)はじめて意味を持ちます。また、その情報は受け取る側に取って分かりやすく設計しないと「つまらないレポート」になってしまい、プレゼンテーションが終わった後は2度と読まれることはありません。
 せっかく手間暇をかけて分析するのですから、導き出した分析結果を効果的に共有し、見るだけのレポートから新しい会話、アイデアを生み出すレポートへと変身させましょう!

◆このコースの詳細をみる

9. 【世界で18万人が受講】実践 Python データサイエンス

“内容”
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。

◆このコースの詳細をみる

10. 【PythonとStanで学ぶ】仕組みが分かるベイズ統計学入門

“内容”
講座内容
『ベイズ統計学、最近よく聞くけど、何だか難しそう。。』と思っていませんか?

実際、ベイズ統計学は真面目にやろうとするとそんなに簡単ではありません。

例えば、独学しようとベイズ統計学の教科書を紐解くと、統計学の知識を始めとして、高度な数学、MCMC、実際のコーディングなど幅広い知識を要求され、挫折する人も多いと思います。

しかし、本コースはそのような様々な壁を乗り越えて、しっかりとしたベイズ統計学の基礎を身に付けたいという方を対象に確率の基礎から出発し、ベイズ統計学の基礎、MCMCの基礎、そしてPyStanの使い方など実用的なレベルまで段階的にレベルアップできる体系的また本格的なベイズ統計学の入門コースです。

【まず始めに】

本コースは原理からきっちりと理解する事を目指しているので、少なからず数式が出てきます。(あまり式変形も省略しておりません)

ベイズ統計学は一貫性と柔軟性、また解釈が容易という様々なメリットを備えた統計学ですが、逆にしっかりとした数学の土台と幅広い知識(確率・統計学、モンテカルロ法、高度な数学)が必要である事がデメリットです。

もちろん、数式を使わなくてもフワッとした説明で概念は理解できますが、それでは実際のシーンでまず使えるようにはなりません。

この為、数式が多いと嫌という方は受講が難しいかもしれません*。(これは学問の性質上そうなので避けられません)

*もちろん、私も受ける側の立場に立つと数式ばかり出るコースは嫌になるので、数式と合わせてグラフィカルなイメージを使って、数式の意味を解説します。

本コースの活用の仕方にあるように、数式の難しそうな理論は置いておいて、”取り合えず、Pythonの実装の部分だけ”を受講するという受講の仕方もあると思います。

またこのコースでは実装にPythonというプログラミング言語を用いますが、Pythonの文法自体の解説はほぼなく、受講者はこの部分は予め習熟しておく必要があります。

今まで、Pythonをやったことないがベイズ統計学を学びたい方ももちろんいらっしゃると思いますので、そういった方向けにPythonの文法については補講を設けております。ただ、Pythonを使った事のある方と比べれば自助努力が必要になることはご理解ください。

また前提が多くて申し訳ありませんが、一般的な統計学の知識(平均値、標準偏差、期待値・分散や一部で最尤推定、共分散、相関係数など)についても基本は身に付いている前提で話が進みます。(これらの意味から話を始めると講義のボリュームが大変な量になり、受講生が肝心のベイズ統計を学ぶころには疲れてしまう可能性が高いからです。ただ、一応、確率の基礎1,2という講義で簡単に復習を行います)

【コースの概要】

本コースは確率の基礎から出発し、ベイズ統計学の基礎を学びます。またベイズ統計学で必要になってくるモンテカルロ法やMCMCなどのアルゴリズムについても解説を行います。これらベイズ統計学の基礎や各アルゴリズムは概念の理解の後にPython上でアイデアを具現化する実装のパートが付いているのが、本コース最大の特徴といえます。そして、原理を理解した上で、MCMCの高速なライブラリであるStanをPythonから使用するPyStanというライブラリを用います。PyStanのパートでは環境構築から始まって、単回帰、重回帰などの基本的な統計モデル、階層ベイズや状態空間モデルといった発展的な内容を含みます。本コースは比較的網羅的・本格的な内容になっており、理論部分や補講の物理のパートなどを修了するとベイズ統計の専門書を1冊読んだレベルに相当します。従って、その後の書籍(ボーナスレクチャーで紹介する書籍など)への理解がかなりスムーズに進むと思います。

【コースの活用の仕方】

このコースはいくつかの使い方ができると思います

1. ベイズ統計学の基礎的な流れを身に付ける(難しい数式はどんどん飛ばし、流れの理解に徹する)

2. 数式の難しい理論は置いておいて、Pythonのコードで実装するところだけつまむ

3. PyStanの使い方をメインにHow toを学ぶ

4. 付録も含め全ての講義を視聴し、理論までしっかりベイズ統計学を学ぶ*

(*大学レベルの数学が必要です)

【大まかな流れ】*詳しくは本コースの概要をご覧ください。

Ⅰ.確率

1. 確率とは/確率の基礎

2. 平均値・分散の性質・計算

Ⅱ.ベイズ統計学

1. ベイズの定理、ベイズの考え方

2. ベイズ更新

3. 様々な確率分布

4. 自然共役事前分布

5. MAP推定

Ⅲ.モンテカルロ法/MCMC

1.モンテカルロ法とは

2.棄却法

3.次元の呪い

4.MCMCとは

5.詳細つり合い

6.各MCMCのアルゴリズム(M-H法, Gibbsサンプラー,ハミルトニアンモンテカルロ法)

Ⅳ.PyStan

1.環境構築の構築

2.PyStanでのコードの書き方・ハローワールド

3.基本的な統計モデル(単回帰、重回帰、ロジスティック回帰)

4.発展的な統計モデル(階層ベイズ、状態空間モデル)

◆このコースの詳細をみる

11. AIのための数学講座:少しづつ丁寧に学ぶ人工知能向けの線形代数/確率・統計/微分

“内容”
AIのための数学講座は、誰にでも開かれた人工知能向け数学の講座です。

線形代数、微分、確率・統計を基礎から少しづつ丁寧に解説するので、人工知能に必要な数学を無理なく着実に身につけることができます。

本コースの最大の特徴は、AI向けの数学をコードを書きながら学べることです。

プログラミング言語Pythonのコードを書いて、手を動かしながら数学を学習します。

これにより、数式の意味を体験を通して理解できます。

Pythonに関しては、1つのセクションで必要な範囲を解説しますので、プログラミング未経験の方でも受講することができます。

また、初心者に優しいことも本コースの特徴です。

扱う数学の難易度は緩やかに上昇するので、無理なく着実にAIに必要な数学の知識を身に付けることができます。

本コースによりAIを本格的に学ぶための準備ができます。

AIを学ぶための障壁を低くし、可能な限り多くの方がAIを学ぶことの恩恵を受けられるようにするのが本コースの目的です。

————————————————————

本コースの主な内容は以下の通りです。

数学の基礎

→ 線形代数や微分、確率統計を学ぶのに必要な数学のベースを身につけます。

線形代数

→ データをベクトルや行列を用いて効率よく扱う方法を学びます。

微分

→ 常微分・偏微分・連鎖律などの、様々な人工知能に必要な微分関連の知識を学びます。

確率・統計

→ データの傾向を捉えたり、世界を確率として捉える方法を学びます。

人工知能(AI)への応用

→ ニューラルネットワークの基礎を勉強し、シンプルな人工知能に学習を行わせます。

————————————————————

本コースの開発環境、AnacondaとJupyter Notebookは簡単にダウンロード、インストールすることができます。

環境構築の敷居が非常に低いため、プログラミング未経験の方でも問題なく受講できます。

本コースを修了した方は、学習意欲が刺激されて、さらにAIや数学のことを学びたくなっているかと思います。

“内容”
AIのための数学講座は、誰にでも開かれた人工知能向け数学の講座です。

線形代数、微分、確率・統計を基礎から少しづつ丁寧に解説するので、人工知能に必要な数学を無理なく着実に身につけることができます。

本コースの最大の特徴は、AI向けの数学をコードを書きながら学べることです。

プログラミング言語Pythonのコードを書いて、手を動かしながら数学を学習します。

これにより、数式の意味を体験を通して理解できます。

Pythonに関しては、1つのセクションで必要な範囲を解説しますので、プログラミング未経験の方でも受講することができます。

また、初心者に優しいことも本コースの特徴です。

扱う数学の難易度は緩やかに上昇するので、無理なく着実にAIに必要な数学の知識を身に付けることができます。

本コースによりAIを本格的に学ぶための準備ができます。

AIを学ぶための障壁を低くし、可能な限り多くの方がAIを学ぶことの恩恵を受けられるようにするのが本コースの目的です。

————————————————————

本コースの主な内容は以下の通りです。

数学の基礎

→ 線形代数や微分、確率統計を学ぶのに必要な数学のベースを身につけます。

線形代数

→ データをベクトルや行列を用いて効率よく扱う方法を学びます。

微分

→ 常微分・偏微分・連鎖律などの、様々な人工知能に必要な微分関連の知識を学びます。

確率・統計

→ データの傾向を捉えたり、世界を確率として捉える方法を学びます。

人工知能(AI)への応用

→ ニューラルネットワークの基礎を勉強し、シンプルな人工知能に学習を行わせます。

————————————————————

本コースの開発環境、AnacondaとJupyter Notebookは簡単にダウンロード、インストールすることができます。

環境構築の敷居が非常に低いため、プログラミング未経験の方でも問題なく受講できます。

本コースを修了した方は、学習意欲が刺激されて、さらにAIや数学のことを学びたくなっているかと思います。

◆このコースの詳細をみる

12. 線形代数の理論とPythonによる実践

“内容”
データサイエンスを目指す人が最初に学習すべき数学が線形代数です.

また線形代数は,本格的な数学を学ぶ入口としても本カリキュラムは最適です.

線形代数の最も自然な導入は,連立方程式の解法です.最初に連立方程式を古典的な解法に沿って復習します.その上で,同じことを線形代数の現代的な表現に置き換えます.現代的な解法は,ベクトルと行列を使用した方法です.連立方程式の古典的解法であるGaussの消去法が行列のLU分解に置き換わります.これにより,現代的な線形代数の意味を納得することができます.

最初は解ける連立方程式を扱いますが,その次に解けない連立方程式を扱います.解けない連立方程式は応用を考えると極めて重要です.解けない方程式を「解無し」として済ますのではなく,近似解を求める手法を展開します.その方法は最小2乗法と呼ばれる方法ですが,最小2乗法で求めた結果を整理すると,線形代数の射影の問題になります.そして,その応用として回帰分析があります.回帰分析の理論的本質は線形代数ですが,そのことを明確にすることによって,回帰分析を本当に理解することができます.

さらに線形代数の大きなテーマである固有値と固有ベクトルを学習します.固有値を真に理解するためには,線形代数の本格的な理論を学習する必要があります.この部分の学習には線形代数で扱う様々な数学的構造を理解しなければならないので,忍耐力が必要です.それと同時に,ここで学習することが「数学の学び方」のヒントになります.この学習を克服すれば,数学の他の分野を学習する素養が付きます.さて,固有値を求めることを一言で言うと行列の対角化です.学習した後に,その意味と効果が理解できます.固有値の応用の例としては,多変量解析の主成分分析が挙げられます.ここでは,主成分分析を具体的な固有値問題として解決します.

このように,線形代数は数学のインフラと言って良いでしょう.

レクチャーの主な内容は次の通りです.

連立一次方程式

問題の定式化,Gauss-Jordanの消去法,幾何学的解釈

ベクトルと行列

ベクトルとそのPythonによる取扱い,行列とそのPythonによる取扱い,行列の積

数学の基礎

集合論,論理,写像,二項演算,群論

ベクトル空間

基底,部分空間,線形写像とその行列表現

解が一意的に存在する連立方程式の現代的解法

Gaussの消去法,LU分解,PA_LU分解

解が無限に存在する連立方程式の現代的解法

階段行列とLU分解,線形写像の核,一般行列のPA_LDU分解,Pythonによる解法

内積

ユークリッド空間,ピタゴラスの定理と直交性,内積と転置行列,射影,ユニタリ空間,グラム・シュミットの正規直交化法

解が存在しない連立方程式の近似解法

最小2乗法と射影,回帰分析

固有値と固有ベクトル

線形変換とベクトル場,固有値問題の解法,複素共役と随伴行列,エルミート行列のスペクトル分解

行列の対角化

相似と対角化,正規行列,フィボナッチ数列,マルコフ過程,主成分分析

最後に,このカリキュラムの特徴として,理論と実践の両立があります.数学の専門書の最大の欠点は理論が分かっても実際の問題を解けないということです.具体的に連立方程式の例で言えば,理論を学ぶときに実際に解く問題の変数の個数は3個ぐらいで,多くても5個ぐらいです.しかし,私たちが将来取り組むことになるであろうデータ分析やニューラルネットワークでは,使用される変数の個数が100個を超えることは驚くことではありません.しかし,100個の変数を手計算で解く気にはなりません.現実にはコンピュータを使って解くことになります.

そこで,私たちは線形代数をPythonで扱うことをマスターします.ご存知のようにPythonは,データサイエンスの分野ではデファクトスタンダードになっています.この講座はPythonの学習講座ではありませんが,Pythonを少しでも知っていれば理解できます.

◆このコースの詳細をみる

【おわりに】Udemyで統計・分析をはじめよう!

以上で本記事はおわりです!
Udemyで統計/分析系の勉強をはじめましょうー

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です