인프런 - 라이프타임 커리어 플랫폼

Pandasでデータ分析、前処理、機械学習、ディープラーニングを活用していると、いつも使う機能ばかりを使いがちです。 このような核心的な内容だけを集めて整理したPandas Cheat Sheetがあります。厚い本でPandasを学ぶのに疲れてしまった方へ、たった2枚の文書でPython Pandasをお教えします。Pandas公式チュートリアルで提供されているCheat Sheetで、Pandasの核心機能を身につけてみましょう。

プログラミングに触れていない初心者やPythonについてある程度理論知識がある方を対象にしており、実際のプロジェクトに基づいて講座の主な目的は、Pythonに対する関心と楽しさを感じることを追求します。このコースでは、Pythonでより多くのアイデアとより多くの楽しみを得ることを願っています。

基礎だけでは足りない実戦投資、10年目のクオンツによる機械学習のノウハウで、収益モデルを自ら構築してみてください。

非専門家や入門者の方が、ビッグデータ分析実技試験を短期間で取得できるようガイドします！ 理論は軽めに、実践は確実に。複雑な背景知識がなくても、過去問を中心に試験に必ず出るポイントだけを絞って集中的に学習します。

イディヤはスターバックスの近くに出店するという説がありました。果たして、イディヤとスターバックスの店舗立地にはどれほどの違いがあるのでしょうか？ 2013年から2019年までの不動産価格の変動トレンドは、マンションの分譲価格にも反映されているのでしょうか？ 私たちの街にはどのような公園があるのでしょうか？公共データポータルのデータをどのように活用すればよいでしょうか？公共データを通じて様々な形式のデータを扱いながら、Pythonと各種データ分析ライブラリに慣れることを目標とします。

無限に利益を生み出すアルゴリズム取引ボットを作成して、自動的に実行したいのですが、どこから始めればよいでしょうか?

Pythonを活用して、あなただけの指標を作成し、便利に証券を分析できるようになるツールを作ってみましょう！

投資講義ではありません。証券データを通じたデータ収集、分析、可視化を扱います。多様なデータフォーマットを扱い、様々なテキスト前処理技法を習得します。時系列データの可視化技法やスケールの表現方法、株価データを解釈するためのいくつかの技法を扱います。この講義は、データ分析を通じてインサイトを得る方法を学んでいく講座です。株価データを通じて学んだ内容を、時系列が活用される需要量、在庫量、販売量、トラフィック量などのデータの収集、分析、可視化に活用できるように構成されています。

NumPyの使い方と、これを利用した実践練習を行う講義です。

S&P 500のペアトレーディングの統計的アプローチをPythonで体系的に学習できます。専門的なデータ分析を通して、感情を排除した投資戦略の基礎を築きましょう。

データ分析に必要なPythonの基本的な内容と、データ分析フレームワークイン（pandas）とデータ分析プロセスについて学びます。

この講義を通じてSQLとデータベースの理解、SQL文法、実際の活用のためのデータベース設計、プログラミングを通じたデータベース活用、データ分析活用事例まで習得できます。

Pythonを使って本番投資に役立つツールを作りたいですか？このレッスンでは、Python中級者向けの金融データ分析用のインタラクティブWebダッシュボードを作成し、深刻な定量化作業のためのペアトレーディング戦略について学びます。皆さんだけの有用な分析ツールを作って金融データをより強力に分析し、賢明な投資決定を下すのに役立つことを願っています。

Docker を使用して、クラウドにディープラーニング分析環境を作成できます。 Google、MS などの管理する Docker イメージとクラウドを組み合わせることで、コンピューターで最新のディープラーニング分析方法を使用して作業を行うことができます。

Pythonベースのデータ分析ライブラリPolarsの基礎概念から、簡単なデータ処理および探索的データ分析(EDA)まで、データ分析に必要な技術を習得したい入門者や専攻学習者、Polarsを活用してみたい方を対象とした講義です。

matplotlibライブラリを利用したデータの可視化を扱う講義です。

今回の講義は、Pythonを活用したデータ分析とITセキュリティ領域の適用方法をガイドしてくれる講義です。

Pandasの主要機能をSQLと比較しながら学んでみましょう！

ついに皆のための確率と統計講義が来ました！理論とコーディング実習を通じて、一歩ずつ確率と統計の原理について学んでいきます。参考書籍「皆の確率と統計」https://wikidocs.net/book/18165

5つの実践プロジェクトを通して、データ・機械学習Webアプリケーションの開発方法を学びます。PythonとStreamlitでWebアプリケーションを手軽に素早く制作し、デプロイできます。(2025年6月更新)