～ 状態空間モデルによるノイズ除去、ディープラーニングを用いた時系列予測・検知への応用 ～
・時系列データのノイズ除去法と機械学習による解析技術を修得し、予測・検知の精度向上に活かすための講座！
・状態空間モデルによるノイズ除去とディープラーニングによる時系列モデリングと応用、Pythonによる実装方法を修得し、時系列データ解析による異常検知、推定・予測に活かそう！
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
時系列データ解析とノイズ除去および機械学習・ディープラーニングを用いた予測・検知への応用 ～デモ付～ ＜オンラインセミナー＞
講師の言葉
時系列とは時間の流れとともに観測されるデータのことであり、時系列のもつ系列相関をモデル化して、将来を予測することが時系列解析の目的となります。本講義では、古典的な状態空間モデルから現代的な機械学習による予測法まですすめます。前者は状態空間モデルによるノイズ除去への応用を解説し、後者はニューラルネットワークによる予測および異常検知の方法を扱います。
セミナー詳細
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・設備保全、生産技術、制御、金融・マーケティング、制御、生体、音解析、他 ・状態空間モデルを中心とした時系列データ解析の基礎から修得したい方 |
| 予備知識 | ・大学初年度の数学知識、微分、線形代数、確率／統計（正規分布、二項分布、ポアソン分布など） |
| 修得知識 |
・状態空間モデルの基礎から機械学習による現代的なアプローチまで概観できる ・PyTorchによるニューラルネットワークモデル予測の実際を知ることができる |
| プログラム |
１．状態空間モデルとノイズ除去への応用 （１）．状態空間モデル入門 ａ．ローカルレベルモデル ｂ．トレンド・季節性をもつ時系列 ｃ．カルマンフィルタ （２）．状態空間モデルによる予測とノイズ除去への応用 ａ．最尤法によるパラメータ推定 ｂ．予測 ｃ．ノイズ除去 ｄ．Pythonによる実装（デモによるチュートリアル）
２．ディープラーニングによる時系列モデリングと予測・検知への応用 （１）．ニューラルネットワークモデリング入門 ａ．回帰分析 ｂ．多クラス分類 ｃ．学習（最適化、ミニバッチ学習） ｄ．評価（学習データとテストデータ） （２）．ニューラルネットワークによる予測 ａ．RNN（再帰型ニューラルネットワーク）モデル ｂ．LSTM（長期短期記憶）モデル ｃ．PyTorchによる実装（デモによるチュートリアル） （３）．ニューラルネットワークによる異常検知への応用 ａ．時系列予測と異常検知問題 ｂ．PyTorchによる実装（デモによるチュートリアル） |
| キーワード | 時系列分析 ニューラルネットワーク ディープラーニング RNN LSTM PyTorch |
| タグ | AI・機械学習、マーケティング、データ解析、設備 |
| 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 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
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。
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日