Pythonによる時系列分析―予測モデル構築と企業事例 [単行本]

Pythonによる時系列分析―予測モデル構築と企業事例 の 商品概要

• 目次（「BOOK」データベースより）

  第１章　ビジネスにおける時系列データ活用（ビジネス現場は時系列データで溢れている；ビジネス時系列データでよくある７つの活用事例　ほか）
  第２章　Ｐｙｔｈｏｎのデータ分析環境の設定（ＪｕｐｙｔｅｒＬａｂ）（Ｐｙｔｈｏｎのインストール；Ｐｙｔｈｏｎ以外のインストール　ほか）
  第３章　時系列予測モデル構築・超入門（時系列データを使った予測モデル構築の流れ；時系列データの特徴把握と前処理　ほか）
  第４章　時系列データを使ったビジネス成果の上げ方（データでビジネス成果を上げる「データ活用ストーリー」；時系列データの異常検知　ほか）
  第５章　時系列データを活用したビジネス事例（モニタリング指標の異常検知によるキャンペーン評価（自動車ディーラー）；モニタリング指標の異常検知と要因探索（小売りチェーン）　ほか）

• 出版社からのコメント

  本書は実際のデータを用いて、使い方を重点的に解説。実務的な運用には理論よりもPython等コードでの実践が重要。

• 内容紹介

  時系列データを上手く活用し、ビジネス成果を生み出す!!
  時系列データを上手く調理することは、これらの問に何かしら解を与えることができます。特に予測モデルを上手く活用すると、過去を振り返り、未来を予測し、現在すべきことを導きだし、成果へと繋げることができます。いくら高精度な予測モデルを手にしても、どう活用すべきかわからないと成果は生まれません。そこで本書ではどのように扱うかを、実際のデータを用いて、使い方を重点的に解説していきます。時系列分析の多くの書籍は数式等を用いて解説していますが、実務的な運用には理論よりもPython等コードで実践していくことが重要です。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  髙橋 威知郎(タカハシ イチロウ)
  株式会社セールスアナリティクス代表／らくらくビジネスデータサイエンス主宰。中央省庁および情報・通信業などを経て現職。大学卒業後、一貫してデータ分析や数理モデル構築などに関する業務（研究・開発・社内活用・事業化）に従事。製造業や流通業を中心にデータサイエンス実践支援および数理モデル（予測モデル・異常検知モデル・最適化モデルなど）の開発支援、そのアドバイスなどを実施。データ分析やデータサイエンスに関する著書多数

Pythonによる時系列分析―予測モデル構築と企業事例 の商品スペック