データサイエンス入門　目次

1. はじめに（データサイエンスとは？参考資料などの準備）
2. 数学と確率、データサイエンスの考え方
3. 条件付き確率とベイズ定理（分割表、オッズ、オッズ比、薬の効果の推定、因果推定）
4. ベイズ推定入門・機械学習（感染の推定（陽性的中率・陰性的中率）、薬の効果の推定、迷惑メールの推定等）
5. 記述統計入門。R(EZR)を使った記述統計入門(データの要約、視覚化等)
6. 離散確率分布（確率変数、確率分布、一様分布、二項分布）
7. 二項分布（離散分布）と二項検定（p-value、アンケート結果の信頼性等）
8. 二項分布の近似（ポアソン分布と正規分布）
9. 連続確率分布と正規分布（含：微積分学の復習）
10. 母集団と標本抽出、中心極限定理
11. 統計的推定の仕組みとｔ検定（何故サンプルから全体が推定できるのか、何に注意すべきか）
12. 母平均の推定と検定(Rを用いたシミュレーション。正解が分かっている問題で、統計解析を体験・練習)
13. Rを用いた統計解析入門（実際の解析）（Rによる、母平均の母平均の区間推定・２群の母平均に差があるかどうかの検定等)
14. 実際のデータ解析２（Rによる、分散の検定・分割表の検定・因果関係の推定・相関と線形回帰、疑似相関等）、学び続けるために..
15. まとめと復習、期末試験予告