昨今、データサイエンス・データ分析の分野において、プログラミング言語であるPythonがますます注目されるようになっています。
　Pythonは、統計学・機械学習の豊富なライブラリーを有しており、アドホックなデータ分析や人工知能アルゴリズム開発の分野でデファクトスタンダードとなっている言語です。
　また、Pythonには、平易な言語仕様と利用しやすい実行環境があり、プログラミング経験のない方でも始めやすい、という特徴があります。 思考を鍛えるという観点からも業種を超えて注目を集めており、プログラム言語のランキングでも上位にランクインすることが多く、今まさに盛り上がっている言語と言えるでしょう。
　本コースは、「Pythonでデータ分析実務 (入門編) 」を受講された方、および実務でPythonを利用されていて、時系列分析をより専門的に学習したい方を対象に、演習を中心としたワークショップ形式で実施します。 具体的には、Python (Jupyter notebook) を用いて、グラフ表現と統計的分析・時系列データ分析の入門から応用までを学ぶことが出来ます。
　購買履歴や仕入履歴、来店履歴、営業履歴、アンケートなど、さまざまなビジネス行動データを効率的かつ効果的に活用するための実践的な知識と技術 (基礎から応用まで) について、演習を中心に、データ分析経験が豊富な講師1名がインタラクティブに解説します。実務での事例についても紹介します。
　実際のデータを使った演習を通して、受講生自らPythonを操作しながらデータ分析の基礎知識/技術や、データサイエンスのためのプログラミングの基礎を実践的・体感的に理解できます。
　時系列分析についての事前知識は不要ですが、後掲の「参考書籍」に事前に目を通しておくと、学習効果が向上します。
　ワークショップ当日の内容を網羅するパワーポイント資料とPython資料をテキストとして配布します。使用したPythonコードは、USBメモリ等に格納してお持ち帰りいただけます。

1. 時系列データ分析の基礎知識
   1. データ分析の流れ
   2. 時系列データの種類
   3. 定常過程・ホワイトノイズ・自己相関性
   4. 単位根過程・単位根検定
2. 時系列データの前処理・基礎分析
   1. Statsmodels/Pandasを使った時系列データの扱い
3. 時系列データモデリング
   1. 単変量時系列モデル (季節変動有・無)
      • AR/MA/ARMA過程
      • ARIMA/SARIMA過程
   2. 状態空間モデル
   3. 時系列分析におけるモデル選択・評価
      • ハイパーパラメータ調整
      • クロスバリデーション
      • 時系列モデルの評価方法

参考書籍

• 沖本 竜義 『 経済・ファイナンスデータの計量時系列分析 』(朝倉書店)
• 酒巻 隆治・里 洋平 『 ビジネス活用事例で学ぶ データサイエンス入門 』(ソフトバンククリエイティブ)
• 酒巻 隆治・里 洋平 『 ビッグデータを活かすデータサイエンス 』(東京図書)