loading...

検索結果

{{'検索結果' + searchResultList.length + '件'}}(人気順)

顧客データの分析研修~Pythonを用いてレコメンドエンジンを作成する(5日間)

顧客データの分析研修~Pythonを用いてレコメンドエンジンを作成する(5日間)

クラスタリングを活用し、おすすめ商品を出力するプログラムを開発する

研修No.B PRG606-8200-5545

対象者

  • 全階層

・小売業界の方
・ECサイトを管理、運営している組織の方

よくあるお悩み・ニーズ

  • 顧客や商品のデータをうまく活用できていない
  • ECサイトでの売り上げを大幅に増加させたい
  • 商品が勝手に売れる仕組みを作りたい

研修内容・特徴outline・feature

PCを操作しながら、顧客のデータ分析の仕方やおすすめ商品を出力するプログラムの作り方を身につける研修です。1日目はプログラミングの基本となる知識やPythonの基本文法、2日目はpythonを使ったデータ分析の基礎知識と「Pandas」を活用した分析手法を学びます。一般的なデータ分析の知識だけでなく、Pythonを使って顧客や商品を分析する理由やメリットをおさえ理解を深めます。

3日目は機械学習について、「scikit-learn」を使用したプログラミングや、データを複数に分けるクラスタリングを学習します。4日目は、クラスタリングを用いて顧客データの分析に取り組みます。顧客の属性をいくつかの数に分類し、それぞれどのような特徴があるかを把握していきます。5日目は、ここまで学んだことを活用してレコメンドエンジンを作成するワークに挑戦します。

*この研修ではPCを使用します*

研修のゴールgoal

  • ①Python・プログラミングの基礎を理解する
  • ②業務の課題に合わせて、異なる手法でデータ分析を行える
  • ③分析結果を現場で活用する計画を立てられる

研修プログラム例program

<1日目>研修時間:7時間
内容
手法
  • 1.Pythonプログラミングを始める前に
    (1)プログラミングとは
    (2)プログラミングで自動化しやすい業務の説明
    【ワーク】自組織内で自動化しやすい業務を洗い出す
    (3)Pythonの特徴
    (4)Pythonの動作イメージの獲得
    【ワーク】顧客データを分析するうえで悩んでいることを整理する
講義
ワーク
  • 2.アルゴリズムの基本
    (1)アルゴリズムとは
    (2)アルゴリズムとプログラムの関係
    (3)アルゴリズムの3つの基本形~順次・選択・反復
    【ワーク】身近なところからアルゴリズムを考える
講義
ワーク
  • 3.Python基礎
    (1)文字の出力
    (2)数値の計算
    (3)データの管理方法
    ①変数 ②リスト ③辞書
    (4)制御文
    ①if文(条件分岐) ②for文(繰り返し処理)
    (5)複雑な処理の実行
    ①関数 ②メソッド
    (6)便利な機能がまとめられたツール~ライブラリ
講義
ワーク
<2日目>研修時間:7時間
内容
手法
  • 4.データ分析
    (1)データ分析について
    ①データ分析とは何か ②データ分析を行う理由 ③データ分析の活用事例
    (2)顧客・商品のデータ分析を行う必要性
    ①データに基づき適切な企画を行うため
    ②自組織の製品を使用している方の特徴を理解するため
    (3)Pythonを使って顧客・商品のデータ分析を行う理由
    ①Excelよりも大量のデータを扱えるため
    ②データ分析でよく使用されており、情報量が多いため
    ③読み込んだデータを機械学習にも活用できるため
    ④無料で複雑な分析ができるため
講義
  • 5.データ分析で使用するライブラリ(Pandas)
    (1)Pandasのインストール
    (2)Pandasでできること
    ①データの読み込み(CSVファイル、Excelファイル)
    ②データの内容確認
    ③データの操作(列や行の追加・削除、データの検索)
    ④データの集計(列や行単位での平均値の表示、グルーピングして集計)
    ⑤データの可視化(線グラフ、棒グラフ、ヒストグラム、散布図)
    (3)データ分析の流れ
    ①問題の把握 ②仮説の設定 ③データの収集・整理(データクレンジング)
    ④データ分析 ⑤分析結果の活用
講義
ワーク
<3日目>研修時間:7時間
内容
手法
  • 6.機械学習
    (1)機械学習とは何か
    (2)機械学習を行う理由
    (3)機械学習の活用事例
    (4)Pythonを使って機械学習を行うメリット
講義
  • 7.機械学習で使用するライブラリ(scikit-learn)
    (1)scikit-learnのインストール
    (2)scikit-learnでできること
    ①分類 ②回帰 ③クラスタリング ④次元削減
    ⑤機種選定(パラメータとモデルの比較、検証、選択) ⑥データ前処理
    (3)機械学習の流れ
    ①データの収集 ②データの前処理 ③予測モデルの準備 ④予測モデルの構築
    ⑤予測モデルの学習 ⑥作成したモデルによる予測 ⑦モデルの精度評価
    ⑧学習済みモデルの微調整(チューニング) ⑨予測結果をもとに仮説を立てる
講義
ワーク
  • 8.クラスタリング
    (1)クラスタリングとは
    (2)今回使用する「k平均法(k-means algorithm)」とは
講義
<4日目>研修時間:7時間
内容
手法
  • 9.顧客の特徴・属性を分類する
    (1)顧客分類方法の説明
    (2)使用するデータセットの紹介
    (3)データ整形(データクレンジング)
    (4)データ分類の個数決定
    (5)クラスタリングを行うプログラムの作成
    (6)分類したデータごとの分析データの可視化
    【ワーク】分類した特徴属性にどのような傾向があるかを考える
講義
ワーク
  • 10.レコメンドエンジン
    (1)レコメンドエンジンとは
    (2)成果物(ゴールイメージ)の確認
    (3)レコメンドエンジンを作成する流れの説明
    (4)レコメンドエンジン作成に必要なライブラリ(scikit-surprise)
講義
ワーク
<5日目>研修時間:7時間
内容
手法
  • 11.レコメンドエンジンの作成
    (1)必要なライブラリのインポート
    (2)使用するデータセットの準備、説明
    (3)データセットの分割(学習データとテストデータ)
    ■データセットを分割する理由
    (4)データに基づいて自動で推奨するプログラムの作成
    (5)レコメンドエンジンにデータを学習させる(学習データの使用)
    (6)レコメンドエンジンの精度を評価する(テストデータの使用)
    (7)おすすめ商品を出力しよう
講義
ワーク
  • 12.現場でPythonを活用するために
    【ワーク】自組織で顧客属性の分類とレコメンド機能が活用できる場面を考える
    【ワーク】今回の研修で、自分が成長したポイントを振り返る
ワーク

8919

全力Q&A{{list[0]['category']}}関連の全力Q&A

よくあるご質問について、研修のプロとして熱く丁寧に回答します。

カスタマイズ事例~ケーススタディCASE STUDY

本研修のカスタイマイズ事例として、作成したケーススタディを業界別にご紹介します。

{{theme}}研修のケーススタディ一覧

開発者コメントcomment

顧客のデータ活用に課題を感じている組織に向けて、本研修を開発しました。データ分析の手法や機械学習の活用に加え、5日間で売り上げアップの施策につながるレコメンドエンジンを作成できるようになります。自社の顧客属性を踏まえたレコメンド機能の活用方法まで考える構成になっているので、現場でのデータ分析とそれをもとにした施策の検討につなげられます。

下記情報を無料でGET!!

無料セミナー、新作研修、他社事例、公開講座割引、資料プレゼント、研修運営のコツ

メールマガジンのご登録はこちら

登録は左記QRコードから!

※配信予定は、予告なく配信月や研修テーマを変更する場合がございます。ご了承ください。

配信をご希望の方は、個人情報保護の取り扱いをご覧ください。

最新作・ニュース

新卒採用募集中

研修を探す

同じジャンルで探す

  • WEBins
  • モンシャン
初めてご利用の方へ

インソースからの新着メッセージ

    直近の公開講座開催研修

    新作研修

    業界随一の研修開発力を誇る
    インソースの最新プログラム

      コア・ソリューションプラン
      の新作情報

      250種類以上のコンサル事例!
      組織の「したい!」に全力で応える

        本テーマのおすすめリンク

        おすすめリンク

        閉じる