• Slide image
  • Slide image

企業事例で学ぶデータサイエンス

今あるデータと今ある環境で、さくっとビジネス成果を生み出せるスキルを身に着けよう!

Screenshot

【月1 特定テーマ講座(11月)】
POS売上分析Copilotを作る(POSデータ × PYTHON × 生成AI)

【開催日時】 全2回(土)2026/11/7,11/21(13:30〜18:00)
【受講形式】 当日Zoom( or 復習用に後日動画視聴)
【参加費用】 2万2千円(税込み)/人
Screenshot

ビジネスデータのための Pythonプログラミング超入門
第6回 グラフを描く :集計から一気に、伝わる形へ

【開催日時】 2026年11月21日(土)10:00 - 12:00
【受講形式】 当日Zoom(復習用動画あり)
【参加費用】 無料
Screenshot

【月1 特定テーマ講座(12月)】
需要予測エージェントを作る(需要予測 × PYTHON × 生成AI)

【開催日時】 全2回(土)2026/12/5,12/19(13:30〜18:00)
【受講形式】 当日Zoom( or 復習用に後日動画視聴)
【参加費用】 2万2千円(税込み)/人
Screenshot

ビジネスデータのための Pythonプログラミング超入門
第7回 データで語れる到達点。伝わるグラフ(Seaborn)

【開催日時】 2026年12月19日(土)10:00 - 12:00
【受講形式】 当日Zoom(復習用動画あり)
【参加費用】 無料

RECENT ARTICLES

【需要予測エージェントを作る #2】<br>その需要予測は「前の週の同じ曜日」に勝っていますか<br>― ベースライン予測と MAE・SMAPE・MAE比の読み方 ―

【需要予測エージェントを作る #2】
その需要予測は「前の週の同じ曜日」に勝っていますか
― ベースライン予測と MAE・SMAPE・MAE比の読み方 ―

「この需要予測モデルの誤差は、平均で3.6個です」 こう報告されても、それが良いのか悪いのかは分かりません。 判断するには、比べる相手と、何で測るかの2つが必要です。 この記事では、数行で書ける単純な予測(ベースライン)...
【登壇】(2026/11/27)<br>「今あるデータ×生成AI」の“使いどころ”を見つける<br>〜ツール導入より先に「どこで使うか」〜<br>(公益財団法人 埼玉県産業振興公社 主催)

【登壇】(2026/11/27)
「今あるデータ×生成AI」の“使いどころ”を見つける
〜ツール導入より先に「どこで使うか」〜
(公益財団法人 埼玉県産業振興公社 主催)

生成AIの実力を体感するデモから始め、受注・請求・日報・顧客台帳といった「今あるデータ」でどこまでできるのかを、業種別の事例で確認します。 そのうえで、ツール導入よりも先に決めるべき「テーマ選定(どこで使うか)」をワーク...
クラシックRAGを最小限のコードで作る<br>― Pythonで「検索して渡す」を自作し、限界も確かめる ―

クラシックRAGを最小限のコードで作る
― Pythonで「検索して渡す」を自作し、限界も確かめる ―

RAG(検索拡張生成)は、「資料を探して、AIに渡して、答えてもらう」仕組みです。言葉で聞くと簡単ですが、実際に何が起きているのかは、自分で作ってみるといちばんよくわかります。 この記事では、もっとも基本的なクラシックR...
【登壇・参加無料】(2026/12/9)<br>明日からできるデータ活用術<br>〜コストをかけずにカンタンに売上アップ!〜<br>(東京商工会議所葛飾支部 オンライン開催)

【登壇・参加無料】(2026/12/9)
明日からできるデータ活用術
〜コストをかけずにカンタンに売上アップ!〜
(東京商工会議所葛飾支部 オンライン開催)

商工会議所で、コストをかけずに明日からできるデータ活用術のお話しを、こっそりします。 タイトル: 〜コストをかけずにカンタンに売上アップ!〜 「明日からできるデータ活用術」 開催日: 2026年12月9日(水)14:00...
【需要予測エージェントを作る #1】<br>需要予測の精度は「評価のしかた」で変わる<br>― ランダム分割ではなく、時系列分割とバックテストを使う理由 ―

【需要予測エージェントを作る #1】
需要予測の精度は「評価のしかた」で変わる
― ランダム分割ではなく、時系列分割とバックテストを使う理由 ―

需要予測のモデルを作ったら、次に知りたいのは「どのくらい当たるのか」です。 ところが、この精度の数字は、モデルを変えなくても評価のしかただけで変わります。 この記事では、同じデータ・同じモデルのまま、データの分け方だけを...
AIに「何を渡すか」を設計する<br>エントロピーで読むコンテキストエンジニアリング入門<br>Context Engineering 2.0: The Context of Context Engineering

AIに「何を渡すか」を設計する
エントロピーで読むコンテキストエンジニアリング入門
Context Engineering 2.0: The Context of Context Engineering

「プロンプトエンジニアリングの次はコンテキストエンジニアリングだ」。AIエージェントの話題とともに、この言葉を目にする機会が増えました。AIに何を見せ、何を覚えさせ、何を渡さないか。その設計が成果を左右する、という考え方...
時系列データの欠損値はどう埋める?<br>前方補完・線形補間・時間基準の補間をデータの性質で使い分ける<br>(Python・pandas)

時系列データの欠損値はどう埋める?
前方補完・線形補間・時間基準の補間をデータの性質で使い分ける
(Python・pandas)

センサーの通信エラー、記録用紙の記入漏れ、レジの障害。実際の時系列データには、どうしても値の抜けた日(欠損値)が出てきます。 pandasなら ffill() や interpolate() の1行で埋められます。ところ...