機械学習による時系列のモデル化と深層学習の適用

本セミナーでは、エンジニア向けに機械学習による時系列のモデル化の基本的な手法を説明します。また、時系列のモデル化への深層学習の利用として、再帰型ネットワーク、LSTM (長・短期記憶) 、注意型ネットワークについて解説します。 　Pythonの機械学習への適用方法を説明し、フレームワークとして、TensorFlowと Kerasを使用した実装例を紹介します。

1. 機械学習による時系列のモデル化
   1. 異常検知と予測
   2. 回帰モデルを用いた予測
   3. 線形予測モデルによる時系列解析
   4. 隠れマルコフモデルによる状態遷移の推定
2. 深層学習による時系列のモデル化
   1. 順伝播型ネットワーク
   2. 誤差逆伝播法によるパラメータ推定
   3. 畳込みネット (CNN) による画像の識別
   4. 再帰型ネット (RNN) による時系列の予測
   5. 長・短期記憶 (LSTM) におけるゲートの役割
   6. 注意型ネット (Attention) による変換 (翻訳)
   7. コネクショニスト時系列分類法 (CTC)
   8. 時系列のモデル化におけるend – to – end アプローチ
3. 時系列モデルへの深層学習の適用
   1. 深層学習の組み合わせによる読唇
   2. 深層学習の混合音解析への適用
4. Pythonによる実装
   1. Pythonの解説と回帰モデルの実装
   2. フレームワークとしてのTensorFlowとKeras
   3. フレームワークによる再帰型ネットワークの実装