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

第274話｜視座の高低と将来予測

第274話｜視座の高低と将来予測

高い塔に登って見渡せば、遠くまで見渡せます。低い椅子の上から見渡せば、遠くまで見渡せません。 低い椅子の上から下を見れば、足元（この場合、椅子の足元）は見えます。高い塔に登って下を見れば、その足元はよく見えません。 高い...
Pythonで時系列解析・超入門（その3）<br><br>ARIMA系モデルで予測する方法

Pythonで時系列解析・超入門（その3）

ARIMA系モデルで予測する方法

ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。 例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...
Pythonで時系列解析・超入門（その2）<br><br>指数平滑化法（Exponential Smoothing model）で予測する方法

Pythonで時系列解析・超入門（その2）

指数平滑化法（Exponential Smoothing model）で予測する方法

ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。 例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...
Pythonで時系列解析・超入門（その1）<br><br>時系列データに対する3つの特徴把握方法<br>（変動成分・定常性・コレログラム）

Pythonで時系列解析・超入門（その1）

時系列データに対する3つの特徴把握方法
（変動成分・定常性・コレログラム）

ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。 例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...
Python Keras(TensorFlow)で作る<br> 深層学習(Deep Learning)時系列予測モデル(その1)<br><br>RNNで1期先予測（1-Step ahead prediction）

Python Keras(TensorFlow)で作る
深層学習(Deep Learning)時系列予測モデル(その1)

RNNで1期先予測（1-Step ahead prediction）

時系列の深層学習（ディープラーニング）モデルの代表格がRNN（Recurrent Neural Network、リカレントニューラルネットワーク）です。 他には、RNNの長期記憶を保存できないなどの問題点を改善する形で登...
Python のハイパーパラメータ自動最適化ライブラリー Optuna その4 <br>– 時系列Facebook ProphetモデルをOptunaで自動最適化 –

Python のハイパーパラメータ自動最適化ライブラリー Optuna その4
– 時系列Facebook ProphetモデルをOptunaで自動最適化 –

時系列解析モデルと聞くと、AIRMAモデルや状態空間モデルなどの数理統計学系のモデルをイメージする人も多いことでしょう。そして難しく感じた人も多いことでしょう。 時系列モデルは難しそうなイメージがありますが、あまり数理的...