～ 時系列データの統計的分析、時系列データで扱う機械学習モデル、データの前処理、AR・MR・ARMAモデルによる時系列予測、時系列データの識別法、手法の使い分け方 ～
・機械学習モデルを取り入れた時系列データ解析手法を修得し、異常検知や将来予測の実務への応用に活かすための講座！
・統計・確率と異常検知の関係、機械学習モデルと注意点、実務の活用に必要な時系列予測・識別のポイントを修得し、時系列データからの予測や異常検知技術に活かそう！
・デモで紹介するPython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。
近年、ＡＩや機械学習の進歩が、データ解析に関して新たな可能性をもたらしています。一方で、現場では時系列のデータに関しては、解析に当たって困難なことも多く、どのように活用すべきかが分からず眠っているデータも多くあるというのが実情です。
本セミナーでは、こういった「時系列データ」を対象にし、「将来予測」や「異常検知」などを実務でどのように使っていくかの例題を交えつつ、統計的分析や時系列モデルを紹介していきます。また、機械学習モデルにも焦点を当てて、適宜機械学習の手法や考え方についても解説していきます。
さらに、近年データ解析で良く用いられるPythonコードを用いた例やツールの紹介も行い、具体的にどのように解析を進めるかのサポートとしていきたいと思います。
| 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 |
・時系列データ解析の基礎から修得したい方 （機械、設備保全、制御、生体情報、音響、金融、マーケティングなど） |
| 予備知識 | ・高校から大学１年程度の確率・統計の基礎知識 |
| 修得知識 |
・ＡＩ・機械学習の基礎知識 ・時系列データ解析現場での基本的な方針 ・時系列データ解析にＡＩ・機械学習を導入する際の注意点 |
| プログラム |
１．時系列データの統計的分析と異常検知の応用 （１）．時系列データ解析の全体像 （２）．統計と異常検知 ａ．データの見方 ｂ．散布図 ｃ．相関 （３）．確率と異常検知 ａ．事象と確率 ｂ．反復試行の確率 ｃ．離散の異常検知 （４）．確率分布と異常検知 ａ．確率分布（１変数）と異常検知 ｂ．確率分布（2変数以上）と異常検知
２．時系列データ解析で扱う機械学習モデル （１）．基本的な機械学習モデル ａ．線形識別分析 ｂ．重回帰分析 ｃ．最近傍法・ k近傍法 ｄ．決定木 （２）．より複雑な機械学習モデルと注意点 ａ．次元の呪い ｂ．交差確認法 （CV法） ｃ．ランダムフォレスト （３）．教師なし学習 ａ．クラスタリング ｂ．K－means
３．時系列データ解析を用いた予測・識別法のポイント （１）．時系列データの前処理 ａ．欠損補完 ｂ．リサンプリング （２）．時系列予測の基礎 ａ．AR（自己回帰）モデル ｂ．MA（移動平均）モデル ｃ．ARMA（自己回帰移動平均）モデル （３）．時系列の識別 ａ．時系列のタグ予測 ｂ．系列単位での識別 （４）．時系列データ間の距離 ａ．Dynamic Time Warping (DTW) ｂ．レーベンシュタイン距離 （５）．時系列のクラスタリング ａ．系列単位での識別 ｂ．系列のクラスタリングでの識別 （６）．実際の時系列解析の例と手法の使い分け ａ．将来予測 ｂ．異常検知 |
| キーワード | 時系列データ 確率 統計 異常検知 確率密度関数 線形識別分析 重回帰分析 重回帰分析 決定木 クラスタリング AR MA ARMA DTW レーベンシュタイン距離 時系列のクラスタリング |
| 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
