出版のお知らせ｜コンピュータサイエンスの教科書［生成AI時代の基礎リテラシー］（2026/9/10出版予定）
2026/9/10 にC&R研究所から コンピュータサイエンスの教科書［生成AI時代の基礎リテラシー］ が出版予定です。 2026年9月10日にC&R研究所から、『コンピュータサイエンスの教科書［生成AI...
RECENT ARTICLES
【登壇・参加無料】（2026/08/20）
生成AIで売上を伸ばす 〜 基本から、集客・販促・接客・売上分析まで 〜
（東京商工会議所 豊島支部 オンライン開催）
東京商工会議所 豊島支部 主催 全3回シリーズ「中小企業のための生成AI活用実践講座」 【第1回】生成AIで売上を伸ばす 〜基本から、集客・販促・接客・売上分析まで〜 【参加費無料 / ZOOM配信にて開催】 開催日時：...
Python 時系列分析 1,000本ノック
– ノック91: カルマンフィルタ –
問題 答え 解説 次の Python コードのカルマンフィルタは何を行っていますか？ Python コード: import numpy as np from pykalman import KalmanFilter np...
【登壇・参加無料】（2026/09/17）
生成AIを自社に定着させる 〜導入の進め方と、ルール・計画づくり〜
（東京商工会議所 豊島支部 オンライン開催）
東京商工会議所 豊島支部 主催 全3回シリーズ「中小企業のための生成AI活用実践講座」 【第3回】生成AIを自社に定着させる 〜導入の進め方と、ルール・計画づくり〜 【参加費無料 / ZOOM配信にて開催】 開催日時：2...
【登壇・参加無料】（2026/09/02）
生成AIで仕事をラクにする 〜事務・資料づくりからAIエージェントまで〜
（東京商工会議所 豊島支部 オンライン開催）
東京商工会議所 豊島支部 主催 全3回シリーズ「中小企業のための生成AI活用実践講座」 【第2回】生成AIで仕事をラクにする 〜事務・資料づくりからAIエージェントまで〜 【参加費無料 / ZOOM配信にて開催】 開催日...
第505話｜集計の仕方で営業成績が変わる ― 成約率が高いのは、どちらの営業か
ある営業部で、こんなことが起きました。 ベテランの田中さんと、若手の佐藤さん。過去1年の担当案件はどちらも100件です。 成約率を集計すると…… 田中さんが25% 佐藤さんが35% 数字の上では、「田中さん25%＜佐藤さ...
第504話｜「広告を見た人ほど買っている」は、広告が効いた証拠にはなりません
広告の効果報告で、こんなグラフを見たことはないでしょうか。 棒が2本並んでいます。 左は「広告に接触した人」の購入率、右は「接触しなかった人」の購入率。左のほうが明らかに高い。 資料には「広告接触者の購入率は2.4倍」と...
![【登壇・参加無料】（2026/7/30）<br>ものづくり現場AI/DX DAY 2026 summer [for Leaders]<br>― AI/DXを“試す段階”から、“成果を出す段階”へ ―](https://www.salesanalytics.co.jp/wp-content/uploads/2026/07/784271698085abd9fb5f8ec0961ca531.jpg)
【登壇・参加無料】（2026/7/30）
ものづくり現場AI/DX DAY 2026 summer [for Leaders]
― AI/DXを“試す段階”から、“成果を出す段階”へ ―
2026年7月29日（水）・30日（木）にオンラインで開催される「ものづくり現場AI/DX DAY 2026 summer [for Leaders]」に、株式会社セールスアナリティクス代表取締役／Chief Data ...
欠損値処理シリーズ 第10回：
多変量補完② — MICE・MissForest と欠損インジケータ、選び方ガイド
ついにシリーズ最終回です。 第1回で欠損のメカニズム（MCAR / MAR / MNAR）を紹介し、削除戦略（第3〜4回）、単変量補完（第5〜7回）、時系列補完（第8回）、KNN補完（第9回）と進んできました。 第1回：...
第503話｜「相関と因果は違う」で止まっていませんか？
ビジネス判断を誤らせる3つのパターン
研修で必ず出てくる話があります。 「アイスクリームが売れる時期は、水難事故も増える。 でもアイスが事故を起こしているわけではない。 どちらも気温のせいで増えている」 聞けば誰でも分かる話です。 ところが、この知識が会議で...
欠損値処理シリーズ 第9回：
多変量補完① — KNN Imputer で近傍から補完する
第5〜7回の単変量補完では「その列の情報だけ」を使い、第8回では時系列特有の前後関係を使いました。 第5回：単変量補完① — 定数・任意値での補完（pandas と SimpleImputer） https://www....
Python 時系列分析 1,000本ノック
– ノック90: 指数加重移動平均（EWMA） –
問題 答え 解説 次の Python コードで比較している EWMA（指数加重移動平均）は、通常の移動平均（SMA）と比べてどのような特徴がありますか？ Python コード: import numpy as np, p...
第502話｜もし〜だったら、結果は変わっていた
— 予測を「変える一手」を教えてくれる説明 —
予測モデルの判断について「理由を説明できるようにしよう」という話は、すっかり定着しました。 しかし、中身がブラックボックスのままでは現場が納得しない。だから、なぜその予測になったのかを示せるようにする。 ここまでは、多く...
欠損値処理シリーズ 第8回：
時系列データの欠損値補完 — LOCF / NOCB / 線形補間
ここまでの第5〜7回では、Titanic データのような 順序を持たないデータ の補完を扱ってきました。 第5回：単変量補完① — 定数・任意値での補完（pandas と SimpleImputer） https://w...
Python 時系列分析 1,000本ノック
– ノック89: Expanding Window と Sliding Window –
問題 答え 解説 次の Python コードは Expanding Window と Sliding Window の予測精度を比較しています。2つの手法の本質的な違いは何ですか？ Python コード: import ...
第501話｜もし〜だったら、結果は変わっていた
— 予測を「変える一手」を教えてくれる説明 —
予測モデルがはじき出した結果は、専用の手法で分析すれば、その理由まで読み解けます。 「収入に対して借入が多いから」 「この商談は競合が強いから」 たしかに、もっともな説明です。 けれども、その説明を聞いたあと、私たちの心...