～ テーブルデータと時系列データのアルゴリズム群、時系列予測モデルの構築手順、高度な予測モデリング手法、需要予測・異常検知の応用 ～
・時系列データの特徴を理解し、実務で活用できる予測モデル構築に活かすための講座！
・時系列予測モデル構築法の基礎から高度なモデリング手法までを、Pythonのデモを通して修得し、用途に合わせた最適な時系列データ解析に活かそう！
・デモで紹介するPythonの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。
時系列データの分析と予測は、重要な意思決定の基盤となっています。本セミナーでは、時系列データの特徴を理解し、実務で活用できる予測モデルの構築方法を、理論と実践の両面からお伝えします。従来の統計的手法から最新の機械学習・深層学習まで、幅広いアプローチを体系的に学んでいただけます。
特に、需要予測や異常検知など、具体的なケースを通じて、実践的なスキルを習得していただきます。時系列分析の基礎から応用まで、一緒に学んでいきましょう。
| 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 |
・製造業、エンジニアリング企業、素材、インフラ、設備、発電関連、観測機関、IT企業の技術者、研究者の方 ・ビジネス領域（事業戦略、技術マーケティングなど）や生産・調達・開発領域で時系列データに向き合っている方 ・時系列データ解析の基礎から修得したい方 |
| 予備知識 | ・高等学校の数理統計学の知識、プログラミングの基本的な知識（言語は問わない） |
| 修得知識 |
・時系列データの基礎から実践的な分析手法まで体系的に理解し、適切な分析アプローチを選択できるようになります ・需要予測、顧客離反予測などの実践的なケーススタディを通じて、データの前処理からモデリング、評価までの一連のプロセスを自力で実装できるようになります ・統計的手法から最新の機械学習まで、様々な時系列モデリング手法の特徴と使い分けを習得し、実務での活用方法を理解できるようになります |
| プログラム |
１．時系列データの扱い （１）．時系列データの特徴とモデリング （２）．時系列データによる返り分析と近未来分析
２．時系列データ解析のアルゴリズムとモデル構築 （１）．テーブルデータと時系列データ ａ．テーブルデータとアルゴリズム群 ・線形回帰 ・XGBoost ｂ．時系列データとのアルゴリズム群 ・ARIMA ・Prophet ｃ．テーブルデータ用機械学習アルゴリズムで時系列データを扱う方法 （２）．時系列データの特徴量エンジニアリング ａ．目的変数と3種類の外生変数 ｂ．5つの時系列特徴量 ｃ．時系列特徴量の生成のデモ （３）．時系列予測モデルの構築手順 ａ．構築手順の概要 ｂ．時系列モデルのホールドアウト法 ｃ．時系列モデルのクロスバリデーション法
３．より高度な時系列モデリング （１）．時系列系の数理モデル （２）．機械学習系の数理モデル （３）．深層学習系の数理モデル （４）．状態空間系の数理モデル （５）．階層ベイズ系の数理モデル
４．時系列データ解析の応用 （１）．需要予測の応用（時系列クラスタリングと時系列予測モデル） ａ．事例説明 ｂ．利用するデータ ｃ．デモの実施 （２）．要因分析：機器の故障予測（時系列分類予測モデル） （３）．異常検知の応用 （４）．用途に合わせた手法の使い分け方 |
| キーワード | テーブルデータ 時系列データ 時系列予測モデル Python ホールドアウト法 ARIMAモデル 深層学習系モデル XGBoost 異常検知 需要予測 |
| タグ | 統計・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。 |
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
