～ 振返り分析と近未来分析、時系列データとARIMAモデリング、予測モデルの構築手順と実装例、より高度な時系列モデリング、応用事例 ～
・時系列データの特徴から、実務で活用できる予測モデルの構築方法までを修得し、予測や検知に活かすための講座！
・統計的手法や機械学習を用いた時系列モデリング手法の特徴と使い分けを修得し、実務の用途に合わせた適切で効果的なデータ解析とその実装に活かそう！
・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、需要予測や在庫管理、異常予測と予知保存など、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、実務データに対して適切な分析アプローチを選択できるようになります。 ・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）．よく見るテーブルデータとアルゴリズム （２）．今回学ぶ時系列データとアルゴリズム
２．振返り分析と近未来分析 （１）．時系列データを使った振り返り分析 ａ．モニタリング ｂ．異常検知 ｃ．要因探索、など （２）．時系列データを使った近未来分析 ａ．量的変数の予測（需要予測など） ｂ．質的変数の予測（故障予測など） ｃ．最適化（在庫最適化・製造条件最適化・予算配分最適化）、など
３．時系列データとARIMAモデリング （１）．定常性と3つの非定常性 （２）．Wold分解定理とARIMAモデル （３）．変動成分の分解 （４）．周期の長さの特定方法 （５）．定常化プロセスとARIMAモデリング
４．時系列予測モデルの構築手順と実装例（Python） （１）．予測モデル構築の手順 （２）．典型的な時系列モデルをPythonで作ってやってみよう！ ａ．Holt Winter’s Seasonal Smoothing model ｂ．ARIMA ｃ．Prophet
５．より高度な時系列モデリング （１）．時系列特徴量の生成 （２）．テーブルデータ系の数理モデル（線形回帰・XGBoostなど）で構築する予測モデル （３）．説明変数付きARIMA （４）．状態空間モデルで構築する予測モデル （５）．時系列ディープラーニングで構築する予測モデル
６．応用事例（ケーススタディ） （１）．需要予測と在庫最適化 ａ．事例説明 ｂ．利用するデータ ｃ．デモの実施 （２）．生産工程の不良品予測と最適化 ａ．事例説明 ｂ．利用するデータ ｃ．デモの実施 |
| 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 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、データ解析 |
| 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
