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。

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。

【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 時系列分析 1,000本ノック<br>– ノック28: 時系列データのピボット –

Python 時系列分析 1,000本ノック
– ノック28: 時系列データのピボット –

問題答え解説次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd d=['2023-01-01','2023-01-01','2023-01-...

scikit-learnの機械学習パイプライン入門<br>（その5：変換器の自動選択）

scikit-learnの機械学習パイプライン入門
（その5：変換器の自動選択）

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...

Python 時系列分析 1,000本ノック<br>– ノック27: 時系列データの四半期の変更 –

Python 時系列分析 1,000本ノック
– ノック27: 時系列データの四半期の変更 –

問題答え解説次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd date = pd.Timestamp('2023-06-15') quarter =...

scikit-learnの機械学習パイプライン入門<br>（その4：変数ごとに変換器の処理を変える）

scikit-learnの機械学習パイプライン入門
（その4：変数ごとに変換器の処理を変える）

Python 時系列分析 1,000本ノック<br>– ノック26: 時系列データの特定曜日の抽出 –

Python 時系列分析 1,000本ノック
– ノック26: 時系列データの特定曜日の抽出 –

次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd dates = pd.date_range( '2023-01-01', periods=10, fre...

第368話｜欠損データの克服: 分析の精度を高めるスマートな戦略

データ分析の世界では、完璧なデータセットに出会うことは稀です。データの欠損は避けられない現実であり、これをどのように扱うかが分析の成果を左右します。今回は、欠損データを効果的に扱うための様々なアプローチを紹介します。...

Python 時系列分析 1,000本ノック<br>– ノック25: 時系列データの記述統計量 –

Python 時系列分析 1,000本ノック
– ノック25: 時系列データの記述統計量 –

次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd import numpy as np np.random.seed(11) dates = pd.dat...

ビジネスデータサイエンスのための数学・超入門<br><br>－　序章　はじめに　－

ビジネスデータサイエンスのための数学・超入門

－　序章　はじめに　－

データサイエンスは現代のビジネスとテクノロジーの世界において中心的な役割を果たしています。この分野はデータを利用して意思決定を行い、新たな洞察を得るための方法論と技術を提供します。データサイエンスの理解を深めることは、...

Python 時系列分析 1,000本ノック<br>– ノック24: 時系列データのビニング –

Python 時系列分析 1,000本ノック
– ノック24: 時系列データのビニング –

次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd import numpy as np dates = pd.date_range( '2023-01-0...

第367話｜時系列予測の必要性と限界、ビジネスへの応用

時系列予測は、ビジネスの意思決定において重要な役割を果たしています。過去のデータから未来のトレンドを読み解くこの分析手法は、売上予測から在庫管理、市場トレンドの把握に至るまで、さまざまなビジネスプロセスにおいて欠かせな...

なぜ、MINA関数ではなく、MIN関数を使うべきなのか！空白セルの危険な挙動に関しても

Excelにおいて、データの最小値を取得するには、MIN関数とMINA関数があります。（他にもありますが・・・そちらは追々紹介します） MIN関数とMINA関数を先日取り上げました。『【MINA関数】使い方と解説 – ...

Python 時系列分析 1,000本ノック<br>– ノック23: 時系列データのカテゴリカル変換 –

Python 時系列分析 1,000本ノック
– ノック23: 時系列データのカテゴリカル変換 –

次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd dates = pd.date_range( '2023-01-01', periods=5, freq...

Pandasのパワーツール：applyとlambdaを使いこなす

データ分析における効率性と柔軟性は、高品質なインサイトを生み出す鍵です。 PythonのPandasライブラリはその強力な味方となりますが、その中でも特にapply関数とlambda式の組み合わせは、データサイエンスの作...

Python 時系列分析 1,000本ノック<br>– ノック22: 時系列データの差分処理 –

Python 時系列分析 1,000本ノック
– ノック22: 時系列データの差分処理 –

次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd import numpy as np np.random.seed(10) dates = pd.dat...

第366話｜なぜ特徴量エンジニアリングの前に、学習データとテストデータに分割するのか？

機械学習モデルを構築する際、利用可能なデータセットを学習データとテストデータに分割することが一般的です。学習データはモデルの訓練に使用され、モデルがデータからパターンを学ぶためのものです。一方、テストデータはモデルが...

Python 時系列分析 1,000本ノック<br>– ノック21: 時系列データの特定の曜日抽出 –

Python 時系列分析 1,000本ノック
– ノック21: 時系列データの特定の曜日抽出 –

次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd dates = pd.date_range( start='2023-01-01', end='2023...