センサから取得した時系列データの処理・解析技術と機械学習の適用

セミナーに申し込む
オンライン 開催

本セミナーは、時系列データの前処理、多変量を含めた時系列データからの特徴抽出、これらの解析手法に加え、機械学習を活用した予測モデルの適用について、Pythonを使用した解析の演習を交えて解説いたします。

日時

開催予定

プログラム

近年、センサ技術の発展により、さまざまな分野で高頻度・高精度な時系列データを取得できるようになった。これに伴い、膨大なデータをどのように処理し、解析するかが重要な課題となっている。このデータを適切に処理・解析しなければ、有効活用できない。現在と過去の情報から将来の情報を予測することは、設備の予知保全や異常検知、商品の需要予測、または交通量の予測等の多くの場面で求められている。  本講演は、時系列データの前処理、多変量を含めた時系列データからの特徴抽出、これらの解析手法に加え、機械学習を活用した予測モデルの適用について紹介する。実際に、プログラミング言語Pythonを使用した解析の演習を行う。  特に、時系列データの前処理、特徴抽出・エンジニアリング、機械学習による予測・異常検知、実際の適用事例に焦点を当てる。時系列データに潜在している重要な情報を、可能な限り取り出し、実用的な知見を得ることを目的としたい。

  1. 時系列データの重要性
    1. 時系列データは重要
    2. 応用分野は多数
    3. データ取得から解析までの流れ
  2. 時系列データの特性と前処理
    1. 時系列データはどのような構造か
    2. 前処理は必須
    3. 多変量時系列データを扱うには
    4. Pythonによるデータの前処理
  3. 特徴量を見つけデータを可視化したい
    1. 時系列データの特徴量エンジニアリング
    2. 異常検知の手法
    3. Pythonによるデータの可視化
  4. 機械学習の適用
    1. 統計的手法と機械学習の比較
    2. 機械学習による時系列予測
    3. 深層学習による時系列予測
    4. 異常検知の手法
    5. Pythonによる異常検知
  5. 事例紹介
    1. 製造業の異常検知
    2. 実際のデータセットを用いたPython演習
  6. まとめ

受講料

演習について

Pythonを使用した演習では、「Google Colab」を使用しますので、Googleアカウントのご準備をお願いいたします。
演習で使用するテンプレートファイルとデータは資料と一緒に配布する予定です。
別途インストールが必要なものがございますが準備中ですので、あらためてご案内いたします。

複数名受講割引

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

ライブ配信セミナーについて