Pythonを用いた時系列データ解析の実践と特徴抽出およびデータ予測への応用 ~1人1台PC実習付~

~ 時系列解析の基礎、線形時系列の基礎と状態空間モデルによる定式化、状態空間モデルの応用と実践 ~

時系列データの解析手法を修得し、観測データの特徴抽出や将来値の予測およびパターン発見に応用するための講座

・時系列データ解析の基礎から応用までPythonを用いた実習を通して修得し、AIやIoTを用いたシステム開発に活かそう!

※実習ではJupiter Notebook環境を用意いたします

講師の言葉

 モニタリングデータやセンシングデータの活用が様々なAIやIoTの開発の現場で必要とされている。 これらのデータは時間の経過とともに観測されるため時系列データと呼ばれる。時系列データを利用した観測データの特徴抽出や将来の値の予測・パターン発見等が期待されている。

 本講義では、時系列解析の基本をPythonを利用した実習を通して理解する。発展的な時系列解析は、状態空間モデルによって定式化されることが一般的であるため、線形時系列の基礎から始めてその1つの表現形式として状態空間モデルを定式化する。その後、非定常過程、多変量時系列、トレンド推定など、基本的な時系列解析の手法とPythonを用いた推定方法を紹介する。

セミナー詳細

開催日時
  • 2024年03月05日(火) 10:30 ~ 17:30
開催場所 日本テクノセンター研修室
カテゴリー PC実習付きセミナーソフト・データ・画像・デザイン
受講対象者 ・時系列解析の基本を理解したい方
・Pythonによる基本的な時系列解析の分析手法を理解したい技術者の方
・AIやIoTシステムの開発に携わる技術者の方
予備知識 ・確率統計の基礎知識およびPythonの基礎知識があると良い
 確率統計は、確率分布・期待値・モーメントを理解していること
・Jupyter Notebookを扱えること
修得知識 ・状態空間モデルを用いた時系列解析の基礎を理解し、Pythonを用いた時系列データ解析ができる
プログラム

1.時系列解析とは

  (1).時系列解析の目的

    a.予測モデルの構築

    b.知識・パターン発見

  (2).様々な時系列

    a.定常性・周期性・欠測・異常値

    b.多次元時系列:共変動

 

2.Pythonによる実習1

  (1).datetimeモジュール、時系列の可視化

  (2).時系列の構造分析(要因分解)

  (3).データの差分と和分

 

3.状態空間モデル

  (1).条件付き独立性とマルコフ性

  (2).カルマンフィルタ

 

4.Pythonによる実習2

  (1).statmodels.tsa.statespaceモジュール

  (2).線形時系列モデルの推定

 

5.状態空間モデルの応用

  (1).時系列データの前処理

    a.欠測値の補完、異常値の取り扱い

  (2).時変回帰モデル

  (3).トレンドモデルとその推定 

 

6.Pythonによる実習3

  (1).状態空間モデル: 事変回帰モデル

  (2).状態空間モデル: トレンドモデルの推定

    a.指数加重平均平滑化法

    b.Hodrick-Prescottフィルタ

キーワード 時系列データ解析 状態空間モデル 予測モデル データ予測 パターン Python 深層学習 機械学習 構造分析 要因分解 マルコフ性 カルマンフィルタ datetimeモジュール 線形時系列 多次元時系列 欠測値の補完 異常値 事変回帰モデル 観測データ 特徴抽出
タグ 統計・データ解析精密機器・情報機器AI・機械学習自動運転・運転支援技術・ADAS信号処理スマートメータデータ解析センサ音声処理画像処理画像認識統計・データ機械計測器制御電子機器
受講料 一般 (1名):57,200円(税込)
同時複数申込の場合(1名):51,700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
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