～ 時系列データの活用、Pythonの活用方法、予測モデル：ARIMAモデル・線形回帰モデル・決定木・XGBoostモデル・深層学習系モデル、異常検知や要因分析への応用 ～
・センサデータやマーケティングデータを効果的に活用し異常予兆検知や将来予測に活かすための講座！
・Pythonを用いた時系列データ解析の基礎と予測モデルの特徴と使い分け方を修得し、時系列予測モデル構築技術と効果的な応用に活かそう！
・デモで紹介するPythonのコードを差し上げます
・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。
ビジネスの世界は、時系列データに溢れています。例えば、売上データや申込者数、PV（ページビュー）数、センサデータなどは、全て時間という概念の紐付いた時系列データです。受注予測や離反予測、故障予測や異常予兆検知などは、時間の流れの中で予測するものです。
本講座は、ビジネスの実務で使える時系列解析を習得することを目指しています。
| 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 |
・製造業、エンジニアリング企業、素材、インフラ、設備、発電関連、観測機関、IT企業の技術者、研究者の方 ・ビジネス領域（事業戦略、技術マーケティングなど）や生産・調達・開発領域で時系列データに向き合っている方 ・時系列データ解析の基礎から修得したい方 【予備知識】 【修得知識】 |
| 予備知識 |
・高等学校の数理統計学の知識、プログラミングの基本的な知識（言語は問わない） ・事前に予習したい方は参考サイトを御覧ください 「セールスアナリティクス Pythonで時系列解析・超入門」 |
| 修得知識 |
・ビジネスで時系列データを活用し成果を出す方法 ・時系列予測の基礎（例：時系列特徴量、時系列予測モデルの構築手順、時系列系の数理モデル、など） ・テーブルデータ系の数理モデル（例：線形回帰モデルやランダムフォレストなど）を使って時系列予測する方法 ・時系列系の深層学習の基礎 |
| プログラム |
１．業務における時系列データの活用 （１）．データで成果を上げる「データ活用ストーリー」 （２）．アクションを生み出す「傾向分析」と「近未来分析」
２．時系列機械学習の基礎 （１）．テーブルデータと時系列データ （２）．時系列予測モデルの構築手順 （３）．Python環境の構築
３．時系列予測モデル【Pythonによる実演】 （１）．予測モデル構築前に実施すべきデータ理解 ａ．STL分解 ｂ．定常性の検討 ｃ．周期性の検討 （２）．時系列系モデルで作る予測モデル ａ．ホルト－ウィンターズ法モデル ｂ．ARIMAモデル ｃ．Prophetモデル （３）．テーブルデータ系モデルで作る予測モデル ａ．線形回帰モデル ｂ．決定木（ディシジョンツリー）モデル ｃ．XGBoostモデル （４）．深層学習系モデルで作る予測モデル ａ．シンプルなRNNモデル ｂ．Seq2Seq（Encoder Decoder）型RNNモデル ｃ．双方向RNNモデル （５）．用途に合わせた手法の使い分け方
４．応用事例：モニタリング（異常検知や要因分析）と将来予測への応用 （１）．モニタリング指標の異常検知と要因探索 （２）．売上予測モデルを活用したデータドリブン販促 （３）．その他
５．まとめ （１）．本日の振り返り （２）．Ｑ＆Ａ |
| キーワード | テーブルデータ 時系列データ 時系列予測モデル Python STL分解 ホルト－ウィンターズ法モデル ARIMAモデル 決定木 深層学習系モデル XGBoost Seq2Seq 異常検知 要因分析 |
| タグ | AI・機械学習、データ解析、データ分析 |
| 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 |
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。
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
