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6回 グラフを描く :集計から一気に、伝わる形へ

【開催日時】 2026年11月21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(12月)】
需要予測エージェントを作る(需要予測 × PYTHON × 生成AI)

【開催日時】 全2回(土)2026/12/5,12/19(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7回 データで語れる到達点。伝わるグラフ(Seaborn)

【開催日時】 2026年12月19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

ノーコードでビジネスデータ分析を可能にするRパッケージRadiant<br>その4-2(RadiantでEDA – ピボット集計)

ノーコードでビジネスデータ分析を可能にするRパッケージRadiant
その4-2(RadiantでEDA – ピボット集計)

データ分析や予測モデル構築などをやってみたいが…… RやPythonだとの無料ツールはコーディングスキルがそれなりに必要になりハードルがある 有料ツールのSASやSPSSなどは使いやすそうだけど高額すぎる。 無料で使える...
ノーコードでビジネスデータ分析を可能にするRパッケージRadiant<br>その4-1(RadiantでEDA – グラフ作成)

ノーコードでビジネスデータ分析を可能にするRパッケージRadiant
その4-1(RadiantでEDA – グラフ作成)

データ分析や予測モデル構築などをやってみたいが…… RやPythonだとの無料ツールはコーディングスキルがそれなりに必要になりハードルがある 有料ツールのSASやSPSSなどは使いやすそうだけど高額すぎる。 無料で使える...
ノーコードでビジネスデータ分析を可能にするRパッケージRadiant<br>その3(Radiantでデータ抽出(絞り込み))

ノーコードでビジネスデータ分析を可能にするRパッケージRadiant
その3(Radiantでデータ抽出(絞り込み))

データ分析や予測モデル構築などをやってみたいが…… RやPythonだとの無料ツールはコーディングスキルがそれなりに必要になりハードルがある 有料ツールのSASやSPSSなどは使いやすそうだけど高額すぎる。 無料で使える...
ノーコードでビジネスデータ分析を可能にするRパッケージRadiant<br>その2(Radiantのデータ読み込み)

ノーコードでビジネスデータ分析を可能にするRパッケージRadiant
その2(Radiantのデータ読み込み)

データ分析や予測モデル構築などをやってみたいが…… RやPythonだとの無料ツールはコーディングスキルがそれなりに必要になりハードルがある 有料ツールのSASやSPSSなどは使いやすそうだけど高額すぎる。 無料で使える...
STEP 3(分析)その3-5|チェックシート・層別<br>– 古くて新しいQC7つ道具 –

STEP 3(分析)その3-5|チェックシート・層別
– 古くて新しいQC7つ道具 –

データを集めたら、次にデータを分析しなければなりません。 集めたデータと分析の関係は、食材と料理の関係に似ています。良い食材であっても料理人の腕に問題があると台無しになることがあります。不十分な食材でも調理しだいで美味し...
ノーコードでビジネスデータ分析を可能にするRパッケージRadiant<br>その1(Radiantのインストール・起動・終了)

ノーコードでビジネスデータ分析を可能にするRパッケージRadiant
その1(Radiantのインストール・起動・終了)

データ分析や予測モデル構築などをやってみたいが…… RやPythonだとの無料ツールはコーディングスキルがそれなりに必要になりハードルがある 有料ツールのSASやSPSSなどは使いやすそうだけど高額すぎる。 無料で使える...
STEP 3(分析)その3-4|パレート図・特性要因図<br>– 古くて新しいQC7つ道具 –

STEP 3(分析)その3-4|パレート図・特性要因図
– 古くて新しいQC7つ道具 –

データを集めたら、次にデータを分析しなければなりません。 集めたデータと分析の関係は、食材と料理の関係に似ています。良い食材であっても料理人の腕に問題があると台無しになることがあります。不十分な食材でも調理しだいで美味し...
PythonのAutoFeatを使った自動特徴量エンジニアリング<br>(Automatic Feature Engineering)その2(分類問題)

PythonのAutoFeatを使った自動特徴量エンジニアリング
(Automatic Feature Engineering)その2(分類問題)

数理モデルを作る上で特徴量エンジニアリング(Feature Engineering)は地味に重要です。 例えば、より精度の高い予測モデルを構築したいのであれば、アルゴリズムのパラメータチューニングとともに特徴量エンジニア...
PythonのAutoFeatを使った自動特徴量エンジニアリング<br>(Automatic Feature Engineering)その1(回帰問題)

PythonのAutoFeatを使った自動特徴量エンジニアリング
(Automatic Feature Engineering)その1(回帰問題)

数理モデルを作る上で特徴量エンジニアリング(Feature Engineering)は地味に重要です。 例えば、より精度の高い予測モデルを構築したいのであれば、アルゴリズムのパラメータチューニングとともに特徴量エンジニア...
STEP 3(分析)その3-3|散布図+α(相関・回帰線)の話題<br>– 古くて新しいQC7つ道具 –

STEP 3(分析)その3-3|散布図+α(相関・回帰線)の話題
– 古くて新しいQC7つ道具 –

データを集めたら、次にデータを分析しなければなりません。 集めたデータと分析の関係は、食材と料理の関係に似ています。良い食材であっても料理人の腕に問題があると台無しになることがあります。不十分な食材でも調理しだいで美味し...