Pythonによる時系列データ解析と実践のポイント <オンラインセミナー>

~ データの可視化と前処理、自己回帰モデル、状態空間モデル、Python/Jupyter notebookによる時系列データ解析手法とその実践 ~

・業務環境と目的、実装と運用コストに即した適切な時系列データ解析手法の選択と組み合わせができ、実務で活かせる講座
・直観的かつ包括的に時系列解析手法が理解でき、その特長を活かした適切なデータ解析に応用するためのセミナー!

オンラインセミナーの詳細はこちら:

・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。

講師の言葉

 時系列解析をPythonを使って実装する手法を解説します。実行環境はWindowsのAnaconda/Jupyter notebookを利用し、初学者でも直観的かつ包括的に時系列解析の概要が把握できるようにします。現在、時系列データ解析には、スタンダードな統計的手法を使う方法、機械学習を使う方法、そして深層学習を使う方法の4種類があり、それぞれの手法の長所・短所を知ることが重要です。内容はデータの前処理から、各種手法の解説、利用できる公開データセットの紹介と、業務でのアルゴリズム実装のプロトタイプに必要な事項を一通り学びます。これにより、最終的には、第一に異常検知を想定して、各人の業務環境と目的、実装と運用コスト等に即した、適切な解析手法の選択と組み合わせができるようになることを、最終的な目的とします。

セミナー詳細

開催日時
  • 2023年07月26日(水) 10:30 ~ 17:30
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 ・データサイエンティストとして、時系列データを解析する立場にある方
・これから時系列解析を仕事で使う予定の方
・時系列解析の導入を検討している方
・Pythonによるアルゴリズム実装と実行に興味のある方
・時系列データ解析による異常検知に興味ある方
予備知識 ・プログラミングの経験があると理解しやすい
修得知識 ・時系列解析について、前処理からアルゴリズムのテストまで、各種手法を包括的に理解することで、長所短所を把握でき、データ解析に応用できる

プログラム

1.統計的手法の適用
  (1). SARIMA
  (2).解析データの説明
  (3). 定常性と季節循環

2.機械学習による時系列データの分類
  (1). 教師なし学習
  (2). 解析データの説明
  (3). 動的時間収縮(DTW)

3.アンサンブル学習による回帰分析
  (1).決定木手法
  (2).解析データの説明
  (3).バギングとブースティング

4.深層学習による時系列データ解析
  (1).LSTM
  (2).解析データの説明
  (3).エンコーダ/デコーダを使った異常検知

5.時系列データ解析の応用例
  (1).代表的な時系列データ(為替、旅客機、気温、住宅価格、COVID-19など)解析
  (2).心電図データの分類・異常検知
  (3).LSTMによる時系列データ異常検知

キーワード 可視化手法 自己相関 定常性 自己回帰型モデル 状態空間モデル 決定木関連手法 クラスタリング 深層学習 畳み込みニューラルネットワーク 回帰型ニューラルネットワーク

タグ 統計・データ解析AI・機械学習ソフト管理データ解析ITサービスOS・言語
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。
contact us contact us
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