東京商工会議所 豊島支部 主催 全3回シリーズ「中小企業のための生成AI活用実践講座」 【第3回】生成AIを自社に定着させる 〜導入の進め方と、ルール・計画づくり〜 【参加費無料 / ZOOM配信にて開催】 開催日時：2...

東京商工会議所 豊島支部 主催 全3回シリーズ「中小企業のための生成AI活用実践講座」 【第2回】生成AIで仕事をラクにする 〜事務・資料づくりからAIエージェントまで〜 【参加費無料 / ZOOM配信にて開催】 開催日...

東京商工会議所 豊島支部 主催 全3回シリーズ「中小企業のための生成AI活用実践講座」 【第1回】生成AIで売上を伸ばす 〜基本から、集客・販促・接客・売上分析まで〜 【参加費無料 / ZOOM配信にて開催】 開催日時：...

ある営業部で、こんなことが起きました。 ベテランの田中さんと、若手の佐藤さん。過去1年の担当案件はどちらも100件です。 成約率を集計すると…… 田中さんが25% 佐藤さんが35% 数字の上では、「田中さん25%＜佐藤さ...

広告の効果報告で、こんなグラフを見たことはないでしょうか。 棒が2本並んでいます。 左は「広告に接触した人」の購入率、右は「接触しなかった人」の購入率。左のほうが明らかに高い。 資料には「広告接触者の購入率は2.4倍」と...

2026年7月29日（水）・30日（木）にオンラインで開催される「ものづくり現場AI/DX DAY 2026 summer [for Leaders]」に、株式会社セールスアナリティクス代表取締役／Chief Data ...

ついにシリーズ最終回です。 第1回で欠損のメカニズム（MCAR / MAR / MNAR）を紹介し、削除戦略（第3〜4回）、単変量補完（第5〜7回）、時系列補完（第8回）、KNN補完（第9回）と進んできました。 第1回：...

研修で必ず出てくる話があります。 「アイスクリームが売れる時期は、水難事故も増える。 でもアイスが事故を起こしているわけではない。 どちらも気温のせいで増えている」 聞けば誰でも分かる話です。 ところが、この知識が会議で...

第5〜7回の単変量補完では「その列の情報だけ」を使い、第8回では時系列特有の前後関係を使いました。 第5回：単変量補完① — 定数・任意値での補完（pandas と SimpleImputer） https://www....

問題 答え 解説 次の Python コードで比較している EWMA（指数加重移動平均）は、通常の移動平均（SMA）と比べてどのような特徴がありますか？ Python コード: import numpy as np, p...

予測モデルの判断について「理由を説明できるようにしよう」という話は、すっかり定着しました。 しかし、中身がブラックボックスのままでは現場が納得しない。だから、なぜその予測になったのかを示せるようにする。 ここまでは、多く...

ここまでの第5〜7回では、Titanic データのような 順序を持たないデータ の補完を扱ってきました。 第5回：単変量補完① — 定数・任意値での補完（pandas と SimpleImputer） https://w...

問題 答え 解説 次の Python コードは Expanding Window と Sliding Window の予測精度を比較しています。2つの手法の本質的な違いは何ですか？ Python コード: import ...

予測モデルがはじき出した結果は、専用の手法で分析すれば、その理由まで読み解けます。 「収入に対して借入が多いから」 「この商談は競合が強いから」 たしかに、もっともな説明です。 けれども、その説明を聞いたあと、私たちの心...

精度95％の高性能な予測モデルが、現場で使われないまま放置されている。 その隣で、精度80％ほどの、少し見劣りするモデルが、すんなり受け入れられて活躍している。 こんな逆転劇が、実際のビジネスの現場ではしばしば起こります...

私たちは予測モデルに対して、「なぜそう判断したのか、根拠を示しなさい」と当然のように求めます。 理由を語れないモデルは信用できない、ブラックボックスのままでは任せられない、と。 ところが、ここで一度、その問いを自分たちに...