本コンテンツはデータ分析Basicコース Part１の続きになっています。
データ分析初学者の方はPart１から始めることを推奨します。
データ分析の基礎知識や基本的な処理スキルを有している方、データの可視化のみ学習したい方はこちらのコンテンツのみの学習も可能です。
データ分析基礎 – Part 2
- ルーティング
- データベースの命名規則
- 三目並べ – 2.〇×を交互にゲーム盤に入るようにしよう
- 三目並べ – 3.勝敗がつくようにしよう
- クリーンコード（Clean Code）
- 三目並べ – 4.「スタート」「リセット」ボタンをつけよう
- 三目並べ – 5.先攻後攻を決めて、コンピュータ対戦にしよう(前編)
- インフラストラクチャー（サーバー、コンポーネント、RAID）
- 機械学習入門者向け Support Vector Machine (SVM) に触れてみる
- YOLOv8を用いた物体検出
- 正規表現とパイプ
- 機械学習エンジニアに必要なスキル
- 軽量版Kubernetesディストリビューション – k0s クラスターの構築
- ファイル操作コマンド
- グループとユーザー
- 困った時に使うコマンド
- 一般グループのユーザーとグループ
- プライバシーポリシー
- 三目並べ – 6.先攻後攻を決めて、コンピュータ対戦にしよう(後編)
- フロントエンド開発のための環境構築
- ファイル検索コマンド
- 質問
- 仮想化環境のディスク容量を拡張する
- ユーザー権限とアクセス権
- データ分析基礎 – Part１
- 三目並べ – 0.導入
- テキスト処理
- データベースへのデータロード
- 機械学習概要１
- 機械学習入門者向け Naive Bayes(単純ベイズ)アルゴリズムに触れてみる
- ファイル管理
- SSHを使用してホストOSからゲストOSに接続する
- 機械学習入門者向け ChainerRLでブロック崩しの学習
- 機械学習入門者向け ランダムフォレストによる Kaggle Titanic生存者予測
- 機械学習概要２
- データ分析基礎 – Part 2
- 機械学習入門者向け 分類と回帰の違いをプログラムを書いて学ぼう
- フロントエンドのWeb開発について
- ダイナミックルーティング
- 三目並べ – 1.ゲーム盤を作ろう
- 【Python入門】Python Numpy チュートリアル
- Amazon EC2 インスタンスの初期設定をしよう
- AmazonEC2とVPCでネットワークとサーバーを構築しよう
- Apache NiFi Exercise
- Apache NiFi データパイプライン基礎
- Apache NiFiの環境設定
- Apache Spark 基礎
- Apache SparkとApache Zeppelinの概要と環境構築
- Apache Superset maptoolの使い方
- Apache Superset 基礎
- Apache Superset 概要と環境構築
- Apache Zeppelin 基本機能
- APIのデモンストレーション
- Avinton Academy コンテンツガイド
- AWS CLIをインストールしてコマンド操作しよう
- AWS CLIを使ってEC2のファイルをS3へアップロードしよう
- AWS Route 53を使って独自ドメインのWebページを表示させてみよう
- AWSアカウントの作成と必ずやるべきセキュリティ対策
- AWSのEC2インスタンスでWordPressブログを公開してみよう
- AWS入門者向け 初心者が最初に理解すべきEC2とVPCの基本的な用語解説
- CCNA
- Certbotを使ってSSL証明書を発行し、HTTP通信を暗号化しよう
- CISCO 1800ルータセットアップ
- CSV import & export – Node.js, mySQL – 1
- CSV import & export – Node.js, mySQL – 2
- Docker Compose（Nginx + Flask + MySQL）演習
- Docker Engineのubuntu上へのinstall
- Docker 概要とセットアップ
- Docker, Kubernetesの学び方について
- Dockerコンテナイメージの最適化／ベストプラクティス
- DockerとApacheを使ってWebサーバーを構築しよう
- EC2からS3へ自動でぽいぽいアップロードするスクリプトの作成
- ESP32-CAMのサンプルアプリケーションを実行する
- 01 – Sparkfun Inventor’s Kit の準備
- 02 – Sparkfun Inventor’s KitでLチカ
- 03 ポテンショメータでLEDの点滅間隔をアナログ入力する
- 04 フォトレジスタで明るさに反応するシステムをつくる
- 05 LCDに文字列を表示する
- 06 – BME280とLCDを組み合わせて温度計をつくる
- ESP32とArduino IDE/PlatfromIOでHello Worldアプリケーションの実行
- ESP32と超音波センサー HC-SR04 で物体の距離を計測する
- ESXi – Switchの追加とVLAN
- ESXi – VyOS
- ESXi – 小規模ネットワーク 構築
- Gitとは
- VS CodeでGitHub Copilotを設定する
- VSCode リモート開発環境
- GNS3のセットアップ
- Kubernetesクラスター上へのOpenVINOモデルサーバーを使用したサンプルアプリケーションのデプロイ
- Linuxとは
- NAT
- NodeJSでWebアプリケーション開発 – React編
- NodeJSでWebアプリケーション開発 – React編
- NodeJSでWebアプリケーション開発 – React編
- NodeJSでWebアプリケーション開発 – Socket.IO編
- NVIDIA Cumulus VX + GNS3でBGPネットワークのシミュレーション
- OpenCVのテストプログラム
- PacketTracerのセットアップ
- Pandasによる構造化データ分析
- PCからルータ、スイッチへのSSH接続設定
- PostGIS exercise
- PostgreSQL – Python – Apache – Bootstrap
- MySQLとMySQL Workbench のセットアップ
- PostgreSQL Setup
- PostgreSQL – インデックスを利用したパフォーマンス改善方法
- PostgreSQL – パーティショニングを利用したパフォーマンス改善方法
- PostgreSQLによるデータ分析
- postgreSQLへのshp fileのimport
- Python2.7とOpenCVのインストール
- Python3.8 と OpenCV のインストール (Ubuntu20.04LTS)
- Pythonでデータベースを操作する
- Pythonで画像を分類するプログラムを作成する
- Pythonによるマルチスレッドプログラミング実践
- Raspberry Pi 4B のセットアップ
- Raspberry PiとBME280を使用して温度と湿度、気圧を読み取る
- REDIS
- Redux基礎 – 主要な概念と用語
- Ruby on Rails を MySQLでセットアップ
- Ruby on Railsによる簡単なウェブアプリケーション
- SampleアプリケーションのKubernetes上へのデプロイ
- Scala 基礎
- scikit-learnとは
- Spark SQL エクササイズ
- SparkMLによるKaggle Titanic生存者予測
- KNIME, AutoMLライブラリによる住宅価格予測
- SparkMLによる住宅価格予測
- SQL 便利な関数
- Ubuntuの基本設定
- uhubctlでUSBデバイスのオンオフをコントロール
- Terraform入門 2 – Terraformのstate管理
- Terraform入門 1 – TerraformでAWS上にEC2インスタンスを作成する
- Virtualisation and Container (仮想化とコンテナ) – Ansible, Docker and Kubernetes
- viエディタ
- VLAN
- VMware ESXi サーバー構築
- Webアプリ開発に欠かせないGoogle Chrome DevToolsの基本
- Windows Server 2012 R2 Hyper-V
- Object Detection with YOLOv8
データ可視化ツール データポータル
Googleが提供するデータ可視化のための無料ツールです。
環境構築が不要でデータさえあればすぐに始めることができます。
他のサービスとの互換性が非常に高く、スプレッドシートやGoogleアナリティクスなどのGoogleサービスはもちろん、MySQLやPostgreSQLなどのデータベース管理システムやPC内にあるCSVファイルなど豊富なデータソースが特徴です。
データ可視化チュートリアル
このチュートリアルでは横浜市の人口の推移を示したチャートを作成します。
横浜市の人口データ (population_household_academy_basics.csv)をダウンロードしたら、データポータルを開いて「使ってみる」を選択します。以下の手順に従ってダウンロードしたデータをチャートとして表示してみましょう。
手順
1. ダウンロードした「population_household_academy_basics.csv」をアップロード
2. ファイルのアップロードが完了したら「接続」を押して「レポートを作成」
3. レポート作成画面で折れ線グラフを選択してチャートを作成
4. グラフ設定：ディメンション「year」, 指標「population」, 並び替え「year 昇順」
データ可視化演習
データ可視化演習として、以下のPDFのような横浜市のオープンデータレポートを作成してみましょう。
横浜市オープンデータレポート.pdf
1. 横浜観光入込客数 (keizaikanko-kanko.csv)をダウンロードします。
2. 主要観光地点客数 (Day4_yokohama_tourist_spot.xlsx)をダウンロードします。
3.「keizaikanko-kanko.csv」はチュートリアルの手順同様にファイルをアップロードしてチャートを作成します。
4.「Day4_yokohama_tourist_spot.xlsx」はデータをGoogleスプレッドシートに移して緯度・経度情報を追加します。
5. スプレッドシートに緯度・経度を追加したらデータポータルで可視化します。
データ分析実践演習
Part1・Part2の学習とタスクを通してデータ処理と可視化ができるようになりました。
最後に、4年分の観光消費動向データを使用して以下のテーマに沿ったレポートを作成してみましょう。
テーマ：コロナ期間前後の旅行・観光消費動向の変化をまとめる
レポート例：データ分析実践演習
処理手順
1. 以下のファイルをダウンロード
- 2018_tourism_consumption.xlsx
- 2019_tourism_consumption.xlsx
- 2020_tourism_consumption.xlsx
- 2021_tourism_consumption.xlsx
2. 処理工程を示したファイル（process_sample.xlsx）を参考にしながら、Excel上で各年のファイルに対して簡単なデータ処理
3. 処理内容が書かれたGoogle Colaboratory（最終課題_前処理.ipynb）を開いてコードを調べて記述
4. データポータルで目的に沿ったチャートを作成してください。
あなたも、Avintonでこのような最先端技術を習得し活用してみませんか？
社員の成長を導きながら、AIやビッグデータなどの最先端技術をプロジェクトに活用していくことが私たちのビジョンです。Avintonの充実した技術研修でスキルアップを図り、あなたのキャリア目標を一緒に達成しませんか？
採用情報
Avinton SDGs
