初めての方へ
メルマガ
書籍
有料講座
お問合せ
Screenshot

土曜日 PM 開催 1/18,2/8 全2回
Pythonで学ぶ「ビジネス時系列分析」
超入門

ビジネス現場の典型的な時系列データである売上データを使った需要予測モデルと異常検知モデルの具体的な作り方と活用方法を公開！ 本講座では、Pythonを用いて典的なARIMAモデルからディープラーニングまで扱います。需要や離反、故障などの近未来予測など興味のある方におすすめです。
Screenshot

土曜日 PM 開催 3/1,3/22 全2回
Pythonで学ぶ「機械学習を使った ビジネス因果推論」
超入門

ビジネスの意思決定を変革する「因果推論」の力をPythonを使って実践的に学んでみませんか？ 本講座では、Pythonを用いて因果推論の基礎から応用までを実践的に学びます。ケーススタディを通して、マーケティングや価格戦略への活用方法を探ります。データ活用に携わる方におすすめです。
Screenshot

【個人向け養成講座】（プログラミング不要）
企業事例で学ぶ らくらく ノーコード ビジネスデータサイエンス 入門

【開催日時】　全5回（土）2025/3/15, 4/5, 4/26, 5/17, 6/7（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】　8万円(税込み)/人
【利用ツール】Excel・ノーコードR・ノーコード機械学習H2O・生成AI系分析ツールなど

RECENT ARTICLES

PythonによるMMM（マーケティングミックスモデリング）とビジネス活用<br>－ 序幕：MMMによる「振返り分析」と「近未来分析」 －

PythonによるMMM（マーケティングミックスモデリング）とビジネス活用
－ 序幕：MMMによる「振返り分析」と「近未来分析」 －

データを活用したマーケティング戦略は、ビジネスの成功に不可欠です。その中心に位置するのが、マーケティングミックスモデリング（MMM）です。 マーケティングミックスモデリング（MMM）は、過去のデータを分析する「振り返り分...
scikit-learnの機械学習パイプライン入門<br>（その6：変数ごとに関数選択＋チューニング自動化）

scikit-learnの機械学習パイプライン入門
（その6：変数ごとに関数選択＋チューニング自動化）

機械学習のパイプラインとは、複数の処理を直列に連結したものです。 最小構成は、1つの変換器と1つの推定器（予測器）を連結したものです。 変換器：特徴量X（説明変数）などの欠測値処理や変数変換などの、特徴量変換（Trans...
分類問題のデータ不均衡を解消するSMOTE（Python版）<br>－ その2：基本的なSMOTEを活用した3つのケーススタディ －

分類問題のデータ不均衡を解消するSMOTE（Python版）
－ その2：基本的なSMOTEを活用した3つのケーススタディ －

データサイエンスの進化に伴い、多くの業界で複雑なデータ問題に直面しています。 特に、データ不均衡は分析精度の低下を引き起こし、有意義な洞察の抽出を困難にしています。 前回、データ不均衡問題を解消するための強力なテクニック...
分類問題のデータ不均衡を解消するSMOTE（Python版）<br>－ その1：SMOTEの基礎と imbalanced-learn の使い方 －

分類問題のデータ不均衡を解消するSMOTE（Python版）
－ その1：SMOTEの基礎と imbalanced-learn の使い方 －

データサイエンスの世界では、正確な分析と予測が成功の鍵となります。 しかし、多くの実際のデータセットは不均衡であり、これが特に分類問題において大きな課題となることがあります。 今回は、データ不均衡問題を解消するための強力...
第369話｜データ不均衡を解消するSMOTE

第369話｜データ不均衡を解消するSMOTE

データ不均衡は、医療、金融、ビジネス分析など多くの分野で遭遇する一般的な課題です。 稀な事象や少数派のデータを正確に理解し、予測することは、高度なデータ分析スキルを要求されます。 今回は、データ不均衡問題に対する効果的な...