TEL:092-822-1550 FAX:092-822-1565

システム要素技術講座 講座詳細

講座概要
講座名 MD31 「Pythonで学ぶ時系列データ分析」
~因果分析・モデル化・予測・異常検知・機械学習~
日数 2日 時間 14時間
情報処理(データサイエンス)
講座詳細

【ね ら い】
「時系列データ」を対象にし、データの個性を定量化する統計的分析や、数式として表現する時系列モデルを多数紹介。更にこれらの応用として「将来予測」や「異常検知」に着眼し、より高度な機械学習モデルを取り入れつつ、実務への応用をサポートします。

【対  象】
➢ データ解析に携わる技術者やデータ解析に興味のある方
➢ 線形代数、行列、確率、微積分の基本知識のある方
➢ 統計の基本はある程度理解されている方
➢ なんらかのプログラム言語は経験したことのある方

【習得知識】
➢ 時系列データを定量的かつ定性的に分類できる
➢ 時系列データをモデル化し、予測や異常検知に活用できる
➢ 過学習を考慮した適切な予測モデルを機械学習できる
➢ 「線形・非線形」「定常・非定常」「無相関・独立」の違いを理解できる
➢ 「相関・因果・非独立」の違いを理解できる
➢ PythonやRを駆使して各手法をご自身の業務に活用できる

【講義内容】

1章  時系列データの特徴を調べる(統計的分析)
  1. ランダムか?法則的か?
  2. 過去は未来に影響するか?
  3. 他から影響を受けるか?
2章  時系列データの変動パターンを数式で表現する(時系列モデル)
  1. ランダムウォーク
  2. 平均値(期待値)の推定
  3. 分散値(リスク)の推定
  4. 将来予測への応用
  5. 異常検知への応用
3章  機械学習で学習力を強化する(非線形モデル)
  1. 線形モデルと非線形モデルの違い
  2. ニューラルネットワーク
  3. 決定木
  4. 集団学習
  5. 機械学習による異常検知

次の講座へ >>