• Slide image
  • Slide image

企業事例で学ぶデータサイエンス

今あるデータと今ある環境で、さくっとビジネス成果を生み出せるスキルを身に着けよう!

Screenshot

【月1 特定テーマ講座(10月)】
Python で学ぶ 明日からできる「欠損値処理」超入門

【開催日時】 全2回(土)2026/10/17,10/31(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】 2万2千円(税込み)/人
Screenshot

ビジネスデータのための Pythonプログラミング超入門
第3回 データを読み込む :ExcelのデータをPythonで開く

【開催日時】2026年9月12日(土)10:00 - 12:00
【受講形式】 当日Zoom(復習用動画あり)
【参加費用】 無料
Screenshot

【月1 特定テーマ講座(11月)】
POS売上分析Copilotを作る(POSデータ × PYTHON × 生成AI)

【開催日時】 全2回(土)2026/11/7,11/21(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】 2万2千円(税込み)/人
Screenshot

ビジネスデータのための Pythonプログラミング超入門
第4回 整えて集計する :参照(抽出)・加工(前処理)・集計(groupby)

【開催日時】2026年9月26日(土)10:00 - 12:00
【受講形式】 当日Zoom(復習用動画あり)
【参加費用】 無料

RECENT ARTICLES

複数レコードをループで生成AI APIへ送る<br>止めるエラーと飛ばすエラーを分け、途中から再開できるようにする

複数レコードをループで生成AI APIへ送る
止めるエラーと飛ばすエラーを分け、途中から再開できるようにする

前回の記事では、API呼び出しの結果をログへ残しました。最後に「100件流したうちの3件が失敗したとき、その3件だけを再処理する」と書いたところで終わっています。今回はそこへ進みます。 題材は、これまでと同じPOS売上C...
APIレスポンスをログへ残す<br>許可リストで秘密情報を締め出し、成功率・p95・コストを追える形にする

APIレスポンスをログへ残す
許可リストで秘密情報を締め出し、成功率・p95・コストを追える形にする

前回の記事では、エラーの切り分けと再試行を扱いました。最後に「ログへ残す項目」を並べて終わっています。今回はそれを実際に動く形にします。 APIを1回試している段階なら、画面に出たものを見れば十分です。しかし夜間に100...
【登壇・参加無料】(2026/11/27)<br>「今あるデータ×生成AI」の“使いどころ”を見つける<br>〜ツール導入より先に「どこで使うか」〜<br>(公益財団法人 埼玉県産業振興公社 主催)

【登壇・参加無料】(2026/11/27)
「今あるデータ×生成AI」の“使いどころ”を見つける
〜ツール導入より先に「どこで使うか」〜
(公益財団法人 埼玉県産業振興公社 主催)

生成AIの実力を体感するデモから始め、受注・請求・日報・顧客台帳といった「今あるデータ」でどこまでできるのかを、業種別の事例で確認します。 そのうえで、ツール導入よりも先に決めるべき「テーマ選定(どこで使うか)」をワーク...
APIエラーとリトライの基本<br>401・429・5xxを切り分け、SDKの自動再試行に任せる範囲を決める

APIエラーとリトライの基本
401・429・5xxを切り分け、SDKの自動再試行に任せる範囲を決める

前回の記事では、response.usage からトークン数を取り出して料金を概算しました。ログに「成功/失敗」を残しておこう、と書いたところで終わっています。今回はその「失敗」のほうを扱います。 APIを繰り返し使い始...
【登壇・参加無料】(2026/10/22)<br>明日からできるデータ活用術<br>〜コストをかけずにカンタンに売上アップ!〜<br>(東京商工会議所新宿支部 オンライン開催)

【登壇・参加無料】(2026/10/22)
明日からできるデータ活用術
〜コストをかけずにカンタンに売上アップ!〜
(東京商工会議所新宿支部 オンライン開催)

商工会議所で、コストをかけずに明日からできるデータ活用術のお話しを、こっそりします。 タイトル: 〜コストをかけずにカンタンに売上アップ!〜 「明日からできるデータ活用術」 開催日: 2026年10月22日(木)14:0...
EconMLで実践する ビジネス因果推論<br>(第4回)<br>その変数、入れていいのか<br>(XとWの役割分担で答えが変わる)

EconMLで実践する ビジネス因果推論
(第4回)
その変数、入れていいのか
(XとWの役割分担で答えが変わる)

ここまで3回、購入頻度と休眠日数を X に、会員ランクや流入経路を W に入れてきました。「なぜその振り分けなのか」は後回しにしてきましたが、今回がその答え合わせです。 (第1回)「クーポンを使った人ほど買っている」は本...
EconMLで実践する ビジネス因果推論<br>(第3回)<br>平均の裏に隠れた「誰に効くか」を取り出す<br>(ATEからCATEへ)

EconMLで実践する ビジネス因果推論
(第3回)
平均の裏に隠れた「誰に効くか」を取り出す
(ATEからCATEへ)

前回、クーポンの効果は 平均422円 と推定できました。 ここで一つ考えてみてください。 「クーポンは全員に422円ずつ効く」のと「効く人は800円、効かない人は0円で、ならすと422円」のとでは、施策の打ち方がまったく...