時系列データ解析の基礎と進め方のポイント

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

センサ技術の進歩などにより、様々な分野で高頻度・高精度な時系列データが得られるようになった。これに伴い、膨大なデータの処理と解析が重要な課題となっている。時系列データによる予測は、設備保全、異常検知、需要予測、交通予測など多くの場面で必要とされる。ただし、これら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。  本講演では、時系列データの前処理、特徴抽出、機械学習による予測モデルの活用について紹介する。また、Pythonを用いて時系列データの前処理や特徴抽出、予測モデルの構築方法を学ぶ。

  1. 時系列データ解析の必要性
    1. 時系列データの重要性
    2. センサ技術の進歩とデータ活用
  2. 基本概念
    1. 時系列データとは何か
    2. 特徴や他のデータとの違い
    3. データの量・質・処理の難しさ
  3. 時系列データ解析処理のすすめ方
    1. 前処理方法
    2. 特徴量エンジニアリング
    3. モデル構築 (選択・学習)
    4. 評価・チューニング・応用
  4. 機械学習による時系列データ処理
    1. 予測・異常検知手法
    2. 使用するアルゴリズムの概要
  5. Pythonによる実践
    1. 使用するライブラリとツール
    2. 解析例
  6. 応用事例の紹介
    1. AIを利用した外観検査
    2. 機器・設備の異常検知・故障予知
  7. まとめ

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信対応セミナー / アーカイブ配信対応セミナー

ライブ配信セミナーをご希望の場合

アーカイブ配信セミナーをご希望の場合