因果フォレスト（Causal Forests）をPythonで実践的に学ぶ（その５）
因果フォレストのチューニングと最適化（後半）
因果推論は、ビジネスや研究の多くの分野での意思決定を支える重要な手法となっています。 特に因果フォレストは、複雑なデータ構造の中から因果関係を明らかにするのに非常に効果的です。 ただ、適切なモデルを構築するためには、ハイ...
RECENT ARTICLES
因果フォレスト（Causal Forests）をPythonで実践的に学ぶ（その５）
SUM関数：使い方と解説
Excel関数の使用頻度でも高い、SUM関数を紹介します。 SUM関数は『Excel関数の種類は大まかに知っておこう』の「よく使われている関数トップ 10」に、ランクインしています。 説明の順は以下です。まずは、「問題」...
第351話｜生産品質向上のためのデータ分析
現代の製造業において、生産品質は企業の競争力を維持・強化するための最も基本的な要素の一つとなっています。 生産品質の向上は、製造過程の効率化やコスト削減にもつながります。不良品の発生を減少させることで、再製造や廃棄のコス...
絶対参照/相対参照/複合参照の使い方 – $マークの真相 –
前回記事『絶対参照/相対参照/複合参照とは』では、「絶対参照」「相対参照」「複合参照」とは、何かを説明しました。概念的なお話でした。 今回記事では、「絶対参照」「相対参照」「複合参照」は、どうやって使うのかを紹介します。...
因果フォレスト（Causal Forests）をPythonで実践的に学ぶ（その４）
因果フォレストのチューニングと最適化（前半）
因果推論は、ビジネスや研究の多くの分野での意思決定を支える重要な手法となっています。 特に因果フォレストは、複雑なデータ構造の中から因果関係を明らかにするのに非常に効果的です。 前回はデフォルトの設定のまま、実際のデータ...
第350話｜データと洞察で戦略的意思決定を導く
現代の急速に変化するビジネス環境で競争優位を保つためには、データとその中からの洞察を上手く活用することが不可欠です。 データ駆動のアプローチが主流となる中、企業は市場の動向、消費者の行動、そして競合他社の戦略をリアルタイ...
因果フォレスト（Causal Forests）をPythonで実践的に学ぶ（その３）
実践！因果フォレストを用いたデータ分析
データ駆動の時代において、因果関係の把握はビジネス意思決定の鍵となります。 現代のデータサイエンスの中で、「何が原因で何が結果か？」という問いに答えるための技術が日々進化しています。 前回は、因果フォレストを実行するため...
因果フォレスト（Causal Forests）をPythonで実践的に学ぶ（その２）
Pythonでの因果フォレストの準備
データサイエンスの領域で、因果関係の推定は非常に重要なトピックとなっています。特に、因果フォレストはその精度と柔軟性で注目を浴びている手法の一つです。 しかし、この革新的な手法を実際に活用するには、適切な環境のセットアッ...
第349話｜AIに奪われるべき仕事を守る日本企業
近年、AIという言葉が私たちの周りで頻繁に飛び交っています。 AI技術の進化により、多くの業務やタスクが自動化され、効率化が進められている国々が増えてきました。 だが、日本の一部の企業では、その流れとは逆に、AIで置き換...
因果フォレスト（Causal Forests）をPythonで実践的に学ぶ（その１）
因果フォレストとは？ 概念と基本理論
現代のデータサイエンスの中で、「何が原因で何が結果か？」という問いに答えるための技術が日々進化しています。 この中で、因果推論のフィールドは特に注目を浴びており、データから真の因果関係をどうにか明らかにしようという手法と...
Python surprise で作る らくらく「レコメンドエンジン」（その５）
– Streamlitで作る簡易「レコメンドWebアプリ」 –
協調フィルタリングやSVDなどの鉄板の「推薦システム（レコメンドエンジン）」であれば、PythonのSurpriseライブラリで簡単に作れます。 このライブラリは推薦アルゴリズムの学習と予測を簡単に行うことができます。 ...
Python surprise で作る らくらく「レコメンドエンジン」（その４）
– 新規ユーザに対するレコメンド –
協調フィルタリングやSVDなどの鉄板の「推薦システム（レコメンドエンジン）」であれば、PythonのSurpriseライブラリで簡単に作れます。 このライブラリは推薦アルゴリズムの学習と予測を簡単に行うことができます。 ...
Python surprise で作る らくらく「レコメンドエンジン」（その３）
– AutoML（自動機械学習）的レコメンドエンジン構築 –
協調フィルタリングやSVDなどの鉄板の「推薦システム（レコメンドエンジン）」であれば、PythonのSurpriseライブラリで簡単に作れます。 このライブラリは推薦アルゴリズムの学習と予測を簡単に行うことができます。 ...
第348話｜データサイエンスタスクを自動化する拡張分析（Augmented Analytics）
現代ビジネスにおいてデータは重要な意思決定の礎となっています。 しかし、そのデータに対する分析タスクと、分析した結果の解釈は、往々にして複雑で時間がかかる作業です。 その解決策として注目を集めているのが、AIや機械学習を...
Python surprise で作る らくらく「レコメンドエンジン」（その２）
– ハイパーパラメータ調整しレコメンドエンジンを構築 –
協調フィルタリングやSVDなどの鉄板の「推薦システム（レコメンドエンジン）」であれば、PythonのSurpriseライブラリで簡単に作れます。 このライブラリは推薦アルゴリズムの学習と予測を簡単に行うことができます。 ...
Python surprise で作る らくらく「レコメンドエンジン」（その１）
– さくっと Surprise でレコメンドエンジンを作ってみよう！ –
協調フィルタリングやSVDなどの鉄板の「推薦システム（レコメンドエンジン）」であれば、PythonのSurpriseライブラリで簡単に作れます。 このライブラリは推薦アルゴリズムの学習と予測を簡単に行うことができます。 ...
