コース
Pythonで学ぶサプライチェーン分析
中級スキルレベル
更新日 2026/04
PythonExploratory Data Analysis4時間16 ビデオ48 演習3,600 XP21,951修了証明書
無料アカウントを作成
Googleで続行その他のオプションを表示または
何千もの企業の従業員が支持
チームのトレーニングを担当していますか?
Businessをお試しくださいコース説明
前提条件
Data Manipulation with pandas1
サプライチェーン最適化と PuLP の基礎
線形計画法(LP)は、サプライチェーン最適化の重要な手法です。PuLP フレームワークは、LP 問題を扱うための使いやすいツールで、プログラマがモデリングに集中できるようにしてくれます。この章では、LP 問題の基本を学び、PuLP フレームワークを使ってそれらを解く方法を学び始めます。
2
PuLP によるモデリング
この章では、PuLP で LP と IP の問題をどのようにモデリングするかを引き続き学びます。さらに、PuLP を大規模問題に適用する方法にも触れます。また、容量制約付き工場配置モデル(Capacitated Plant Location)のケーススタディを開始します。
3
モデルの解法と評価
この章では、制約作成時によくあるミスを振り返り、モデルを解く一連の手順を確認します。LP モデルの解が得られたとして、それが正しいとどう判断すればよいでしょうか。この章では、結果の妥当性確認(サニティチェック)の進め方も学びます。さらに、ケーススタディである容量制約付き工場配置モデルを続け、必要な制約をすべて完成させます。
4
モデルの感度分析とシミュレーションテスト
最終章では、シャドウプライス(双対価格)とスラックによる制約の感度分析を学びます。加えて、LP モデルのシミュレーションテストも扱います。これらの手法により、利用可能な能力や増分コストといった、モデルに関するビジネス上の疑問に答えられるようになります。最後に、ケーススタディ演習を仕上げ、感度分析とシミュレーションテストを使ってモデルに関する問いに答える方法に焦点を当てます。
Pythonで学ぶサプライチェーン分析
コース完了 19百万人を超える学習者と共にPythonで学ぶサプライチェーン分析を始めましょう!
無料アカウントを作成
Googleで続行その他のオプションを表示または
DataCamp for Mobileでデータスキルを磨きましょう
モバイル コースと毎日の 5 分間のコーディング チャレンジで、外出先でも進歩できます。