学習１：一般的な意思決定モデル

例題のような状況において、利用可能な情報を最大限に活用して合理的にアプローチするための一般的な意思決定モデルについて紹介します。

学習２：頻度主義統計

データを活用したアプローチの中で、より「伝統的」と思われる頻度主義統計の立場から例題を詳しく解説します。

学習３：ベイズ確率

頻度主義統計と一見似ているように見えるが、根本的な哲学的立場が全く異なる(従って、最も重要な結果の解釈や活用が異なる)ベイズ統計的アプローチを紹介します。

実習：どの国の市場に参入するか

海外市場参入の候補10か国を対象に市場調査の実験結果を収集し、どの国の市場に参入すれば最も効率的なのかを計算してみます。これを統計ベースで分析し、最終的な参入戦略を考えてみます。

学習１：予測モデルの基本的な考慮事項の理解

「とにかく機械学習」的な予測モデルを使用した１次的なアプローチで、機械学習と予測モデルの基本的な考慮事項(train/validate/test、bias-variance)を理解します。

学習２：基本的な方法とトラップの探求

データに基づいた意思決定の過程で必ず直面する「因果関係分析」の難題と、難題への基本的なアプローチ方法を学び、トラップを探求します。

学習３：機械学習モデルを活用したアプローチ

様々な機械学習モデル(random forest、NNなど)に対して簡単に触れて済ませるよりは、より一般的な「機械学習モデルを活用したアプローチ」について紹介します。

実習：例題データの探求および分析

クーポンを配布した時に購入する可能性が高いユーザーの予測や、有利なクーポンの登録タイミング(カート投入の前後など)、予算、ターゲット購入率、購入意思の最大化、追加収益の最大化などについて学びます。