〜 定常モデルと非定常モデル、時系列モデルの最適化、機械学習による予測精度向上、Rによるデモ 〜
- 予備知識がなくても理解できるよう、時系列解析のノウハウを基礎から解説する講座!
- 実務で使われる定常・非定常モデルから高度な機械学習モデルまで習得し、時系列データの特徴抽出や将来予測、異常検知に活かそう!
〜 定常モデルと非定常モデル、時系列モデルの最適化、機械学習による予測精度向上、Rによるデモ 〜
機械学習や人工知能が注目を集めていますが、技術的な大変化が突然起こったのではなく、過去の研究成果を少し改良しただけで深層学習などのブレイクスルーが起こりました。つまりホットな技術を活用するためにも、基礎的な周辺知識は必ず役立ちます。
そこで今回のセミナーでは「時系列データ解析」に特化し、データの個性を定量化する統計的指標や、数式として表現する時系列モデルを多数紹介します。更にこれらの応用として「将来予測」に着眼し、より高度な機械学習モデルを取り入れつつ、実務への応用をサポートします。
なお本セミナーでは方法論のみに終始せず、フリーソフト(Rを予定)によるデモを多数行います。デモに用いたプログラムは全て配布しますので、復習にご活用頂けますと幸いです。
開催日時 |
|
---|---|
開催場所 | 日本テクノセンター研修室 |
カテゴリー | ソフト・データ・画像・デザイン |
受講対象者 | ものづくり企業、ソフトウェア関連企業、金融関連、試験機関、公共機関などの方でデータ解析に携わる技術者の方 |
予備知識 | 特に必要ございません |
修得知識 | ・時系列データの特徴を定量化できる ・その特徴に応じて時系列データを分類できる ・時系列データを数学的に表現(モデル化)できる ・過学習を考慮した適切な予測モデルを構築できる ・機械学習モデルを用いて高度な予測を実現できる ・「相関がある」「因果がある」「非独立である」の違いを理解できる ・フリーソフトを駆使して各手法をご自身の業務に活用できる |
プログラム |
1. 時系列データの特徴を調べる
2. 様々な時系列モデル
3. 時系列モデルの最適化
4. 機械学習による非線形予測モデル |
キーワード | R Python ARモデル ARMAモデル ARIMAモデル ARCHモデル GARCHモデル 残差分析 モデルの最適化 線形モデル 非線形モデル k近傍法 次元の呪い ニューラルネット 深層学習 ディープラーニング 決定木 予測モデル 集団学習 ランダムフォレスト |
タグ | データ解析 |
受講料 |
一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込) |
会場 |
日本テクノセンター研修室〒 163-0722 東京都新宿区西新宿2-7-1 新宿第一生命ビルディング(22階)- JR「新宿駅」西口から徒歩10分 - 東京メトロ丸ノ内線「西新宿駅」から徒歩8分 - 都営大江戸線「都庁前駅」から徒歩5分 電話番号 : 03-5322-5888 FAX : 03-5322-5666 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金:9:00~17:00 / 定休日:土日・祝日