（1）Blenderによる3DCGモデル制作
Blenderを用いて鳥の3DCGモデルを作成し、形状のモデリング、マテリアル設定、質感表現など、3DCG制作の基礎を学んだ。
（2）YOLOv5を用いた物体検出
PythonでYOLOv5を用いた画像認識を行い、画像の入力から物体の検出、結果の可視化まで、物体検出の基本的な流れを学んだ。
（3）NumPyによるニューラルネットワークの実装
『ゼロから作るDeep Learning』を参考に、Python・NumPyを用いて全結合ニューラルネットワークを実装した。順伝播、誤差逆伝播、交差エントロピー誤差、ミニバッチ処理、Adamなどを実装し、ニューラルネットワークの学習過程を確認した。
（4）Skip-gramによる単語埋め込みの学習
PythonでSkip-gramを実装し、中心単語から周辺単語を予測する学習を通じて、単語の分散表現や自然言語処理の基礎を学んだ。
（5）食品スーパーの売上低迷事例のデータ分析
Pythonを用いて食品スーパーの惣菜部門における売上低迷事例を分析し、データから売上低下の要因を検討した。相関関係と因果関係を区別しながら、改善施策の妥当性について考察した。
（6）QGISによる地価と浸水想定区域の分析
QGISを用いて立川市の地価データと浸水想定区域を地図上で可視化し、両者の位置関係を分析した。GISデータを重ね合わせて地域の特徴を読み取る方法を学んだ。
（7）ランダムフォレストによるワイン分類と特徴量分析
Pythonでランダムフォレストを用いてワインを分類し、約98％の分類精度を得た。さらにPCAによるデータの可視化と特徴量重要度の分析を行い、分類に寄与する特徴量を確認した。
