本セミナーでは、エンジニア向けに機械学習と深層学習による時系列のモデル化を解説します。
　はじめに時系列データを分析し、時間とともに変化する事象を機械学習によってモデル化するための基本的な手法を解説します。つぎに深層学習における時系列モデルとして、再帰型ネットワーク、LSTM (長・短期記憶) 、注意型モデルを解説します。また深層学習による時系列のモデル化について、最近の研究動向を解説します。

1. 時系列解析の基礎
   1. 周波数分析の役割
   2. 短時間周波数分析とフレーム化処理
   3. 時間と共に変化する事象を扱う際の留意点
2. 機械学習による時系列のモデル化
   1. 機械学習をどのように活用するか?
   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. 時系列を対象とする識別モデルの作成方法
   5. 機械学習による異常検知の時系列への適用
3. 深層学習による時系列のモデル化
   1. 順伝播型ニューラルネットワーク
   2. 再帰型ニューラルネットワーク
   3. 長・短期記憶 (LSTM) とゲート付き再帰型モデル
   4. 系列変換モデルによる時系列の変換
   5. 注意型モデル (Attention) による対応付け
   6. 深層学習の時系列への適用における留意点
4. 深層学習による時系列モデルの最近の研究動向
• 質疑応答・名刺交換