• 2025年03月11日(火) 10:30 ~ 17:30

１．時系列データの基本概念の導入
　　（１）．時系列データの基本概念
　　　　ａ．時系列データの定義と特徴
　　　　ｂ．時系列データの用途と重要性
　　　　ｃ．時系列データとその他のデータ形式との違い
　　（２）．時系列データ解析の具体例:
　　　　ａ．売上予測
　　　　ｂ．株価予測
　　　　ｃ．気象データ

２．時系列データの前処理
　　（１）．時系列データを解析するための前処理手法
　　　　ａ．欠損値の処理、スムージング
　　　　ｂ．トレンド、季節性、サイクルの分解
　　　　ｃ．移動平均（SMA、 EMA）や差分を使ったデータの平滑化

３．時系列データの可視化
　　（１）．時系列データの視覚的理解
　　　　ａ．時系列プロット、自己相関プロット、ラグプロット
　　　　ｂ．トレンドと季節性の視覚化

４．時系列解析の基礎モデル
　　（１）．AR（自己回帰モデル）
　　（２）．MA（移動平均モデル）
　　（３）．ARMA（自己回帰移動平均モデル）
　　（４）．ARIMA（自己回帰差分移動平均モデル）

５．モデルの評価とチューニング
　　（１）．AIC、BIC、RMSEなどの指標の理解
　　（２）．モデルの適合度と過学習のバランス
　　（３）．モデルのチューニング（パラメータ調整）

６．応用編：多変量時系列モデルと長期予測への応用
　　（１）．VAR（ベクトル自己回帰モデル）
　　（２）．SARIMA（季節性ARIMA）
　　（３）．状態空間モデル(Linear Dynamical System)

７．モデリングの応用と実装の際の注意点
　　（１）．金融市場、在庫管理、気象予測などの事例
　　（２）．モデルの選択と実装の際の注意点

８．質疑応答 & まとめ
　　（１）．実践での課題と今後のステップ

オンラインセミナー