初めての方へ
メルマガ
書籍
個人向け有料講座
お問合せ
Screenshot

【月1特定テーマ講座（1月）】
Python で学ぶ 明日 からできる
「MMM（マーケティング・ミックス・モデリング）」超入門

【開催日時】　全2回 1/17, 1/31 (土) 13:30-17:00
【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

【Python無料基礎講座（12月）】
はじめての人でも分かるPythonグラフ化講座・超入門

【開催日時】　2025年12月13日（土）（13:30〜18:00）
【受講形式】　当日Zoom（Liveのみ）
【参加費用】　無料

RECENT ARTICLES

Pythonでの<br>Labelエンコーディング・Ordinalエンコーディング・OneHotエンコーディング<br>の違いは？

Pythonでの
Labelエンコーディング・Ordinalエンコーディング・OneHotエンコーディング
の違いは？

機械学習やデータ分析において、カテゴリカルデータの取り扱いは非常に重要です。 カテゴリカルデータは数値データとは異なり、そのままでは多くの機械学習アルゴリズムに適用できません。 そのため、カテゴリカルデータを数値に変換す...
Pythonで実践するグラフ因果推論入門<br><br>第2回：構造方程式モデリングの基礎<br>（semopyを使ったSEM）

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礎
（semopyを使ったSEM）

今回のブログシリーズ『Pythonで実践するグラフ因果推論入門』の第2回では、「構造方程式モデリングの基礎（semopyを使ったSEM）」に焦点を当てています。 このシリーズの第1回では、因果グラフモデルの概念を紹介し、...
Pythonで実践するグラフ因果推論入門<br><br>第1回：因果グラフモデルの基礎<br>（CausalGraphicalModelsを使ったDAG）

Pythonで実践するグラフ因果推論入門

第1回：因果グラフモデルの基礎
（CausalGraphicalModelsを使ったDAG）

因果推論は、因果関係を理解し、その影響を予測するための重要な分析手法です。 特にDAG（有向非巡回グラフ）は、複雑な因果関係を視覚化し、交絡因子やバックドア基準を特定するために重要です。 今回は、PythonのCausa...
第386話｜DAG（因果ダイアグラム）で識別したバイアスの対処手法（前編）<br> – 交絡への対処手法 –

第386話｜DAG（因果ダイアグラム）で識別したバイアスの対処手法（前編）
– 交絡への対処手法 –

交絡バイアスは、因果関係を探求する上での大きな障害の一つです。 この交絡バイアスは、調査対象の原因と結果の関係に、第三の変数が影響を与えている状況で生じます。 例えば、あるマーケティングキャンペーンが売上に影響を与えたと...
【Pythonで学ぶ】非線形計画問題の大域的最適化に挑む！<br><br>– 【第5回】SciPyからCyIPOPTへ: 大規模非線形最適化への移行 –

【Pythonで学ぶ】非線形計画問題の大域的最適化に挑む！

– 【第5回】SciPyからCyIPOPTへ: 大規模非線形最適化への移行 –

非線形計画問題の大域的最適化は、工学や経済学など様々な分野で重要な役割を果たしています。特に、問題の規模が大きくなると、局所的な最適解ではなく、大域的な最適解を見つけることが求められます。 これまでの連載では、Pytho...
PythonによるMMM（マーケティングミックスモデリング）とビジネス活用<br><br>－ 振返り分析・最適投資配分編（その4）－<br>線形回帰系MMMの最適投資配分<br>（季節成分の考慮）

PythonによるMMM（マーケティングミックスモデリング）とビジネス活用

－ 振返り分析・最適投資配分編（その4）－
線形回帰系MMMの最適投資配分
（季節成分の考慮）

データを活用したマーケティング戦略は、ビジネスの成功に不可欠です。その中心に位置するのが、マーケティングミックスモデリング（MMM）です。 マーケティングミックスモデリング（MMM）は、過去のデータを分析する「振り返り分...