～ 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Jupyter Notebook環境を用意いたします
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～
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 |
|
|---|---|
| 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 |
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