データベース処理とデータ分析：SQL・Python・機械学習による演習（授業資料）

リレーショナルデータベースの基礎、データ分析・機械学習の入門を、Python と SQL を用いた演習形式で体系的に学ぶ構成である。SQLite3 と Python を演習環境として使用し、各回で説明と演習を組み合わせた構成となっている。

カリキュラム構成

本教材は以下の4つの部で構成される。

1. 第1部：SQL基礎（第1回〜第3回）

   SQLite3 と Python を用いて、テーブル定義、CSVデータの挿入、SELECT文による問い合わせの基本操作を習得した後、複数テーブルの結合演算と外部キーの概念を学ぶ。

2. 第2部：データ処理とWebアプリケーション（第4回〜第5回）

   Pandas の DataFrame を用いたデータの読み込み、集計、ソート、頻度分布、集約を学び、Flask フレームワークによる Web アプリケーションを構築してデータベースの内容を Web ブラウザに表示する。

3. 第3部：オブジェクト指向データベースとデータ分析（第6回〜第7回）

   オブジェクト指向データベース ZODB を用いて、Python オブジェクトの永続化とトランザクション管理を学習し、Pandas DataFrame の格納と分析、Matplotlib・Seaborn による可視化を実践する。

4. 第4部：機械学習とデータ可視化（第8回〜第11回）

   分類とクラスタリングの原理と実装を学び、複数の分類器の比較と決定境界の可視化を行う。Pandas と Seaborn を用いた各種グラフ作成手法を習得する。

回	タイトル	主要な学習内容
第1回	テーブル定義，テーブル生成，問い合わせ（SQLite 3, Python を使用）	SQLite3接続、CREATE TABLE、CSVデータ挿入、SELECT文
第2回	SQL問い合わせ（SQLite3, Python を使用）	WHERE句、AND/OR条件、特定列の選択
第3回	SQL による結合	外部キー、結合演算、MySQL Employees Sampleデータベース
第4回	Python のデータフレーム，集計・集約，ソート	Pandas DataFrame、集計、ソート、頻度分布、groupby
第5回	WebでのリクエストURLによる処理の振り分け（PythonのFlaskを使用）	Flask、URLルーティング、データベース連携
第6回	オブジェクト指向データベース	Pythonのデータ型・リスト・辞書、Pandas（Series・DataFrame）、CSVファイル操作、ZODB、Pythonオブジェクトの永続化
第7回	オブジェクトデータベースの基本操作とデータ分析	トランザクション（commit/abort）、ZODBの基本操作、Pandas分析、Matplotlib・Seabornによる可視化
第8回	分類，クラスタリング	SVM（線形・RBFカーネル）、k-means、GMM、PCA
第9回	Pythonによるデータ分析	データフレームと散布図、PCAによる次元削減と可視化、メッシュグリッド、GMM確率密度関数の可視化、k-means
第10回	分類	Linear SVM、RBF SVM、Polynomial SVM、k-NN、ランダムフォレスト、決定境界の可視化
第11回	種々のグラフ（Python の pandas と seaborn）	相関行列、散布図、ペアプロット、ヒストグラム、カーネル密度推定、2変数の分布、回帰分析