個人向けサービス
法人向けサービス

【月1特定テーマ講座（4月）】
Python で学ぶ明日からできる
「ビジネス数理最適化」超入門

【開催日時】　全2回 4/11, 4/25 (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

【Python無料基礎講座（4月）】（土曜日版）
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】　2026年4月18日（土）（13:30〜18:00）
【受講形式】　当日Zoom（Liveのみ）
【参加費用】　無料

【個人向け養成講座（5月スタート）】
企業事例でガッツリ学ぶ
「Python ビジネス時系列データ分析」入門コース

【開催日時】　全5日（土）2026/5/16,5/30,6/13,6/27,7/11（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】　8万8千円円(税抜き)/人

【Python無料基礎講座（5月）】（土曜日版）
Pandasで学ぶ
基礎集計とクロス集計

【開催日時】　2026年5月23日（土）（13:30〜18:00）
【受講形式】　当日Zoom（Liveのみ）
【参加費用】　無料

overlayopacity='3' hoveroverlayopacity='5' txtshadow='True'

データ活用ストーリー
構築プログラム

【法人向け】
データ活用の最大のボトルネックはテーマ設定にあります

筋のいいテーマを見つけよう！

▶ 詳しく見る

データ分析技術
ブートキャンプ

【法人向け】
４週の少人数ライブ講座で実践力を習得

４週で分析力ＵＰ！

▶ 詳しく見る

オーダーメイド
受託データ分析

【法人向け】
ご要望に合わせたモデル開発やデータ分析で成果まで伴走

専用モデル開発・アドホック分析

▶ 詳しく見る

RECENT ARTICLES

Python 時系列分析 1,000本ノック<br>– ノック42: 時系列データのグレンジャー因果検定 –

Python 時系列分析 1,000本ノック
– ノック42: 時系列データのグレンジャー因果検定 –

問題答え解説 Granger因果関係とは？ 4つのGranger因果関係検定次の Python コードの出力はどれでしょうか？ Python コード: from statsmodels.tsa.stattools ...

第374話｜データ駆動型意思決定を支援するシャープレイバリュー <br> – ツリー系モデルとの組み合わせでビジネスに革新を –

第374話｜データ駆動型意思決定を支援するシャープレイバリュー
– ツリー系モデルとの組み合わせでビジネスに革新を –

データが未来を形作る今日、ビジネスリーダーたちは常により良い意思決定のための新しい手法を模索しています。その答えの一つが、シャープレイバリューとツリー系モデルの組み合わせによるアプローチです。シャープレイバリューは、...

Python 時系列分析 1,000本ノック<br>– ノック41: 時系列データの検定 –

Python 時系列分析 1,000本ノック
– ノック41: 時系列データの検定 –

問題答え解説全く予測不可能なデータ Ljung-Box検定とは？次の Python コードの出力はどれでしょうか？ Python コード: from statsmodels.stats.diagnostic im...

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・線形回帰系モデル編（その2）－<br>シンプルなアドストック付き線形回帰系MMM

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・線形回帰系モデル編（その2）－
シンプルなアドストック付き線形回帰系MMM

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...

Python 時系列分析 1,000本ノック<br>– ノック40: VARモデルの推定 –

Python 時系列分析 1,000本ノック
– ノック40: VARモデルの推定 –

問題答え解説 VARモデルとは？次の Python コードの出力はどれでしょうか？ Python コード: from statsmodels.tsa.api import VAR import numpy as n...

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・線形回帰系モデル編（その1）－<br>線形回帰系モデルでのMMM構築

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・線形回帰系モデル編（その1）－
線形回帰系モデルでのMMM構築

Python 時系列分析 1,000本ノック<br>– ノック39: 時系列データのADF検定 –

Python 時系列分析 1,000本ノック
– ノック39: 時系列データのADF検定 –

問題答え解説 ADF検定とは？単位根過程と定常性次の Python コードの出力はどれでしょうか？ Python コード: from statsmodels.tsa.stattools import adfull...

第373話｜なぜ「解釈可能ML（機械学習）」が必要なのか？主な手法と事例のご紹介

近年、機械学習の技術はビジネスのあらゆる分野で急速に進化し、企業の意思決定プロセスに革命をもたらしています。しかし、複雑化するモデルの背後にある「なぜ」という問いに答えることは、ますます困難になってきています。今回は...

Python 時系列分析 1,000本ノック<br>– ノック38: 季節性トレンド分解 –

Python 時系列分析 1,000本ノック
– ノック38: 季節性トレンド分解 –

問題答え解説季節性トレンド分解 seasonal_decompose 関数次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd import nump...

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>－振返り分析の概要：MMMによる「振返り分析」とは？－

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
－振返り分析の概要：MMMによる「振返り分析」とは？－

Python 時系列分析 1,000本ノック<br>– ノック37: ARモデルの適用 –

Python 時系列分析 1,000本ノック
– ノック37: ARモデルの適用 –

問題答え解説 AutoReg（自動回帰）モデルとは？次の Python コードの出力はどれでしょうか？ Python コード: from statsmodels.tsa.ar_model import AutoRe...

分類問題のデータ不均衡を解消するSMOTE（Python版）<br>－その3：カテゴリカル変数が混在するデータに対するSMOTEと実例－

分類問題のデータ不均衡を解消するSMOTE（Python版）
－その3：カテゴリカル変数が混在するデータに対するSMOTEと実例－

データサイエンスの進展に伴い、機械学習モデルの正確さを左右する重要な問題の一つがデータ不均衡です。データ不均衡は、特定のクラスのサンプル数が他のクラスに比べて極端に少ない場合に発生し、予測モデルの性能に悪影響を及ぼしま...

Python 時系列分析 1,000本ノック<br>– ノック36: 時系列データの四半期 –

Python 時系列分析 1,000本ノック
– ノック36: 時系列データの四半期 –

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 date = pd.Timestamp('2023-08-15')...

第372話｜主成分分析は特徴量の選択手法ではない！その誤解と正しい特徴量選択方法

データサイエンスの進展に伴い、特徴量選択（説明変数の選択）の重要性がますます高まっています。今回は、特徴量選択の基本概念から、PCA（主成分分析）との違い、さらには実践的な特徴量選択手法までをざっくくお話しします。特...

Python 時系列分析 1,000本ノック<br>– ノック35: 時系列データの週次計算 –

Python 時系列分析 1,000本ノック
– ノック35: 時系列データの週次計算 –

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 dates = pd.date_range( start='2023-01-...

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>－序幕：MMMによる「振返り分析」と「近未来分析」－

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
－序幕：MMMによる「振返り分析」と「近未来分析」－