Home
->  8月開催 その他セミナー 

時系列データ分析の進め方と活用のポイント

8月開催 その他セミナー  更新日:2019年7月 2日
 セミナー番号【908510】8/30 講師1名
★様々な時系列モデル、機械学習、異常検知をどのように使い分けるか!
★予測精度を向上させる集団学習方法のやり方とは!!

時系列データ分析の進め方と活用のポイント


■ 講師
茨城大学大学院 理工学研究科 機械システム工学領域 教授 鈴木 智也 氏

■ 開催要領
日 時 :
2019年8月30日(金) 10:00~17:00

会 場 : [東京・五反田]技術情報協会 8F セミナールーム
聴講料 :
1名につき50,000円(消費税抜き、昼食・資料付) 
〔1社2名以上同時申込の場合1名につき45,000円(税抜)〕

※定員になり次第、お申込みは締切となります。


プログラム


【講演のポイント】
時系列データは様々な実務に用いるにも関わらず,なぜか大学では主に経済学部でしか学ぶ機会がなく,理系出身のエンジニアの方々はお困りだろうと察します.また,限られた勤務時間の中で独学を試みても,数式ばかりの教科書に難儀されているのではないでしょうか.そこで本セミナーでは,図解による分かり易さを重視し,フリーソフトPythonによる実践方法を多数紹介します.特に,データの個性を定量化する統計分析や,数式化する時系列モデルを紹介した後.人工知能技術として「将来予測」や「異常検知」に応用します.これらのプログラムは全て配布しますので,復習やご自身の業務にご活用いただけます.
【講演項目】
1.時系列データの分析手法

2.時系列データのモデル化

3.時系列データの予測と異常検知  
  3-1.将来予測への応用   
   3-1-1.モンテカルロシミュレーションによる長期予測   
   3-1-2.残差の時間構造も考慮する方法  
  3-2.異常検知への応用   
   3-2-1.予測モデルを使う方法   
   3-2-2.予測モデルを使わない方法

4.機械学習による学習力の強化  
  4-1.線形モデルと非線形モデルの違い   
   4-1-1.重回帰分析から「非線形重回帰分析」へ   
   4-1-2.最も手軽なのに高性能な「k近傍法」   
   4-1-3.機械学習の失敗につながる「次元の呪い」   
   4-1-4.交差確認法(CV法)   
   4-1-5.モデルパラメータとハイパーバラメータの違い  
  4-2.ニューラルネットワーク         
   4-2-1.単一ニューロンモデルの学習則(最急勾配法)   
   4-2-2.ニューラルネットワークの学習則(逆誤差伝搬法)   
   4-2-3.多層ニューラルネットの問題点(勾配消失問題,過学習)   
   4-2-4.深層学習を可能にしたオートエンコーダ

5.様々な時系列モデルの使い分け

6.様々な機械学習の使い分け

7.様々な異常検知の使い分け

8.ニューラルネットワークから深層学習へ

9.決定木による学習結果の可視化

10.集団学習による学習力の強化  
  10-1.多数決で予測精度を向上させる  
  10-2.予測精度が向上する理由(集合知定理)  
  10-3.いろいろな集団学習  
  10-4.バイアス・バリアンス分解  
  10-5.集団学習の活用事例

11.PythonとRを連携して使うテクニック

12.Pythonによるデモンストレーション


【質疑応答・個別質問・名刺交換】