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。

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。

【開催日時】　全5回（土）2025/4/19,5/10,5/31,6/21,7/12（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

RECENT ARTICLES

Python 時系列分析 1,000本ノック
– ノック60: トレンド推定の手法 –

問題答え解説次の Pythonコードは、どのトレンド推定手法を使用していますか？ Python コード: import pandas as pd import numpy as np import statsmod...

機械学習は現代のビジネスや技術革新の中心にあり、その重要性は日々増しています。しかし、機械学習の世界は広大で、初心者には複雑に感じられることがあります。今回は、すべてのデータをビジネスに活用しようとする人が知っておく...

データサイエンスやデータ分析の分野で、データの統合と結合は非常に重要なスキルです。 PandasはPythonの強力なデータ操作ライブラリであり、データの統合と結合を簡単かつ効率的に行うための多くの機能を提供しています。...

有名なファッションブランドA社は、近年の売上が思うように伸びず、特に季節変動が激しいため在庫管理が難しいという課題に直面していました。社長はこの問題を解決するため、マーケティング部長とデータ分析チームリーダーを招集し、...

ディープラーニングは、近年急速に発展し、さまざまな分野で応用されている技術です。画像認識や自然言語処理、音声認識など、多岐にわたる分野で驚異的な成果を上げています。今回は、TensorFlowという強力なライブラリを...

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 import numpy as np import matplotlib.pyplot...

データ分析や機械学習などで、カテゴリ変数の扱いに頭を悩ませていませんか？特に、高カーディナリティ（カテゴリの種類が多い状態）に直面すると、どうすればいいか分からなくなってしまいますよね。でも大丈夫！今回は、高カーデ...

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 import numpy as np # サンプルデータ data = { 'A': ...

機械学習の世界では、データの前処理がモデルの精度や性能に大きな影響を与えます。その中でも、特徴量スケーリング（Feature Scaling）は非常に重要なステップです。特徴量スケーリングとは、データの範囲や分布を統...

データ分析を始める際に、データフレーム（DataFrame）のメタ情報を確認することは非常に重要です。メタ情報とは、データそのものではなく、データに関する情報、例えば各列のデータ型、欠損値の数、基本統計量などを指します...

時系列の予測モデリングは、未来のデータを正確に予測するために不可欠な技術です。しかし、このプロセスには注意が必要です。なぜなら、データリークという問題が存在するからです。データリークは、テストデータを不正に使用する...

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 # サンプルデータ data = pd.Series([ 8, 6, 7, ...

データ分析の世界に足を踏み入れると、さまざまなグラフや図表に出会います。その中でも、特に便利でよく使われるものの一つが「ボックスプロット（Boxplot）」です。ボックスプロットは、データの分布を視覚的に簡単に理解で...

データ分析の第一歩は、必要なデータを効率的に抽出することから始まります。 PythonのPandasライブラリは、データのフィルタリングや特定の列の選択を簡単に行うための強力なツールです。今回は、Pandasを使用して...

前回の記事では、因果グラフであるDAGを、Pythonのsemopyライブラリを使い構造方程式モデリング（SEM）する方法についてお話ししました。 Pythonで実践するグラフ因果推論入門第2回：構造方程式モデリングの基...

前回のブログでは、以下の確率分布の基礎から離散分布のビジネス応用について解説しました。離散一様分布二項分布ポアソン分布幾何分布負の二項分布超幾何分布それぞれの分布について、定義、確率関数、期待値と分散、そし...