ブレインパッドが定期的に開催している公開講座のコンテンツを、個社向けにご提供するプログラムです。 弊社のデータ活用・分析ノウハウを体系化した「SQLによる集計・分析（SQL）」「Rによる統計解析（R）」「機械学習による問題解決実践（機械学習）」「Pythonではじめるディープラーニング実践（ディープラーニング）」 の各パッケージをそれぞれ単独でご提供することはもちろん、例えば分析入門者向けに「SQL」と「R」、中級者向けに「R」と「機械学習」、上級者向けに「機械学習」と「ディープラーニング」といった、受講者のスキルレベルや、貴社のビジネス課題に合わせた組み合わせでご利用いただくことも可能です。 なお、弊社開催の公開講座は連日かつ終日の受講を前提としておりますが、本プログラムでは企業様のご都合に合わせ、柔軟にスケジュールを調整いたします。会場についても、貴社でご受講いただく場合と弊社にお越しいただく場合の、いずれの場合でもご対応いたします。

実施内容例	※このプログラムは10名様からを対象としています。 ＜対象部門＞事業企画、マーケティング、営業、情報システム ＜目的＞一般的な分析プロセスと基本的な手法を学び、分析によるビジネス課題解決力の土台をつくる ＜内容＞Rによる統計解析のケーススタディ、機械学習による予測のケーススタディ
概算費用	165万円～（税込） ※研修コース、受講者数と受講対象者のレベルに応じて見積もります。 ※上記はSQLによる集計・分析研修10名の場合です。
対象者	企業内のデータ活用人材を10名以上育成されたい企業様 自社内で様々な業種を交えてデータ分析に必要な知識・スキルを習得されたい企業様 各講座ページをご覧ください
メリット /達成目標	各パッケージの受講メリットについては以下をご覧ください。 「SQLによる集計・分析」 「Rによる統計解析」 「機械学習による問題解決実践」 「Pythonではじめるディープラーニング実践：画像解析入門」 受講者のスキルレベルや目的に応じてご受講いただけます。 クライアント企業様のご都合に合わせたスケジューリングが可能です。 受講人数は10名以上からとさせていただいておりますが、少人数クラスへの対応も可能ですのでお気軽にご相談ください。

クライアント企業様のご要望に合わせてカリキュラムを設定します。 例えば以下のような組み合わせでご受講いただくことも可能です。

• 分析入門者向け（例：マーケター向け） SQLによる集計・分析（1.5日間）＋Rによる統計解析（2.5日間）
• 分析中級者向け（例：エンジニア向け） Rによる統計解析（2.5日間）＋機械学習による問題解決実践（2日間）
• 分析上級者向け（例：機械学習集中コース） 機械学習による問題解決実践（2日間）＋Pythonではじめるディープラーニング実践（1.5日間）

以下は、社内にデータ解析専門チームを新設された際に、そのメンバーとなる社員のスキル底上げのための再教育プログラムを目的として実施した一例となります。 同社の商品企・開発、設計・製造、システム開発など、多岐にわたる部分から選抜された約30名を対象に実施しました。 本件においてクライアント企業様からご評価いただいたポイントは、以下です。

• データサイエンティスト育成の豊富なノウハウが凝縮されている点
• 自立してデータ分析を学ぶことができるよう、コアスキルの形成に主眼を置いている点
• 業界の特性要素を柔軟に取り入れたオリジナルプログラムが開発されている点

また、クライアント企業様にとって当プログラムを受講することがゴールではなく、社内のデータリテラシーの底上げとともに、そのメンバーが中心となって社内のデータリテラシーを底上げすることと、最終的には全社レベルのデータ活用・分析スキルの向上を目指すことをゴールとして設定されています。 弊社のパッケージプログラム（「SQLによる集計・分析」、「Rによる統計解析」、「機械学習による問題解決実践」）の3講座を連続で受講いただきました。

当社・研修プログラム受講のねらい・目的：

SQLによる 集計・分析	エンジニアリング職種では、既にSQLは知っているから不要と判断されるケースが多いのですが、同社はデータ分析の基礎となるSQLからBIを活用した可視化のための考え方を習得したいという要望からSQLを受講されました。
Rによる 統計解析	統計学の基礎知識として検定・多変量解析の基礎を学習したあと、ビジネス現場でのデータ分析標準プロセスであるCRISP-DMのフローに沿った問題解決プロセスを、実技演習を通じて体験いただきました。
機械学習による 問題解決実践	機械学習の歴史的背景や使い方をはじめ、AI・人工知能の基本技術となる「識別」に焦点を当てて、ビジネス課題の設定から、識別モデルの教師信号の設定、説明変数の選択など実際のデータを使用して機械学習の一連プロセスを体験いただきました。