技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

Pythonを使った時系列データ分析

Pythonを使った時系列データ分析

～基礎・モデル化から予測・異常検知・機械学習への応用～
東京都 開催 会場 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

概要

本セミナーでは、時系列データを対象にし、データの個性を定量化する統計的指標や、数式として表現する時系列モデルを多数紹介いたします。
更に、応用として「将来予測」や「異常検知」に着眼し、より高度な機械学習モデルを取り入れつつ、実務への応用をサポートいたします。

開催日

  • 2018年3月26日(月) 10時00分 ～ 17時00分

プログラム

　近年、人工知能や機械学習が注目を集めていますが、技術的な大変化が突然起こったのではなく、過去の研究成果の積み重ねによって深層学習などの新しいモデルが誕生しました。つまりホットな技術を活用するためにも、基礎的な周辺知識は重要です。そこで、本セミナーでは「時系列データ」を対象にし、データの個性を定量化する統計的分析や、数式として表現する時系列モデルを多数紹介します。更にこれらの応用として「将来予測」や「異常検知」に着眼し、より高度な機械学習モデルを取り入れつつ、実務への応用をサポートします。
　本セミナーでは図解による分かり易さを重視しますが、その解説のみに終始せず、フリーソフトPythonによる実践方法も多数紹介します。なお、補足的にフリーソフトRも用いることでPythonが苦手な項目についてサポートします。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。

  1. 時系列データの特徴を調べる (統計的分析)
    1. ランダムか?法則的か?
      1. 確率論的モデルと決定論的モデル
      2. その判別方法 (法則性の可視化)
    2. 過去は未来に影響するか?
      1. 相関性と非独立性 (非線形相関) の違い
      2. 非独立性の確認
        • 連検定
        • BDSテスト
        • 相互情報量
      3. 相関性の確認
        • 相関係数
        • 自己相関関数
      4. 疑似相関に注意 (偏相関係数)
      5. 偏自己相関関数
    3. 他から影響を受けるか?
      1. 同時刻の関係 (相関性と非独立性の違い)
      2. 時間遅れを伴う関係 (相関性と因果性の違い)
      3. 相関性の確認 (相互相関関数)
      4. 因果性の確認
        • 移動エントロピー
        • グランジャー因果テスト
  2. 時系列データの変動パターンを数式で表現する (時系列モデル)
    1. ランダムウォーク
      1. 確率的トレンドと確定的トレンド
      2. 定常性と非定常性
      3. 定常化と単位根検定
      4. トレンド成分と季節成分の分解
    2. 定常モデル
      1. AR (自己回帰) モデル
      2. 過学習を防ぐAIC (赤池情報量基準)
      3. ARMA (自己回帰移動平均) モデル
      4. ARIMA (自己回帰和分移動平均) モデル
      5. SARIMA (季節自己回帰和分移動平均) モデル
      6. 残差診断
    3. 非定常モデル (分散変動モデル)
      1. ARCHモデル
      2. GARCHモデル
      3. ARIMA – GARCHモデル
    4. 将来予測への応用
      1. モンテカルロシミュレーションによる長期予測
      2. 残差の時間構造も考慮する方法
    5. 異常検知への応用
      1. 予測モデルを使う方法
      2. 予測モデルを使わない方法
  3. 機械学習で学習力を強化する (非線形モデル)
    1. 線形モデルと非線形モデルの違い
      1. 重回帰分析から「非線形重回帰分析」へ
      2. 最も手軽なのに高性能な「k近傍法」
      3. 機械学習の失敗につながる「次元の呪い」
      4. 交差確認法 (CV法)
      5. モデルパラメータとハイパーバラメータの違い
    2. ニューラルネットワーク
      1. 単一ニューロンモデルの学習則 (最急勾配法)
      2. ニューラルネットワークの学習則 (逆誤差伝搬法)
      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. 深層学習 (ディープラーニング) を可能にしたオートエンコーダ
    3. 決定木
      1. 因果関係が分かりやすいIf – Thenルール
      2. 情報エントロピーを低下させる
    4. 集団学習
      1. 多数決で予測精度を向上させる
      2. 予測精度が向上する理由 (集合知定理)
      3. いろいろな集団学習
      4. バイアス・バリアンス分解
      5. 集団学習の活用事例
        • バギング
        • ランダムフォレスト
        • 勾配ブースティング
  4. 付録資料
    1. Pythonの基本操作ガイド
    2. Rの基本操作ガイド
    3. RとPythonを連携して使うテクニック
ページのトップヘ

講師

  • 鈴木 智也 氏
    茨城大学 工学部 知能システム工学科
    教授
ページのトップヘ

会場

株式会社オーム社 オームセミナー室
東京都 千代田区 神田錦町3-1
株式会社オーム社 オームセミナー室の地図
ページのトップヘ

主催

株式会社 トリケップス
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 47,000円 (税別) / 50,760円 (税込)
1口
: 57,000円 (税別) / 61,560円 (税込) (3名まで受講可)
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2026/9/3 データから本質的な情報を取り出すデータ解析 予測・原因分析・縮約・分類 実践入門 オンライン
2026/9/4 生成AIで研究開発を加速するつまずかないAI活用法 オンライン
2026/9/7 生成AIで研究開発を加速するつまずかないAI活用法 オンライン
2026/9/9 化学・材料研究者のためのExcel×Pythonデータ処理実務 オンライン
2026/9/14 これから統計解析を学ぶ臨床試験/臨床研究担当者のためのサンプルサイズ計算/症例数設定の考え方 オンライン
2026/9/15 脳波計測・解析の基礎と脳波データ活用 オンライン
2026/9/16 MTシステム (MT法) の基礎および異常検知・異常モニタリング・予防保全技術入門 オンライン
2026/9/16 画像認識技術を用いたAI外観検査の現場導入事例と精度向上技術 オンライン
2026/9/18 マテリアルズ・インフォマティクスの基礎と実践 オンライン
2026/9/18 化学・材料研究者のためのExcel×Pythonデータ処理実務 オンライン
2026/9/24 マテリアルズ・インフォマティクスの基礎と実践 オンライン
2026/9/24 FT-IRの基礎と機械学習によるスペクトルデータ解析 オンライン
2026/9/25 材料実験AIエージェントを自分で作る オンライン
2026/9/25 分析法バリデーションにおける基準値設定と分析法変更・技術移転時の同等性評価 東京都 会場・オンライン
2026/9/28 機械学習のための効率的データ取得とAIモデルの解釈・評価 オンライン
2026/9/28 FT-IRの基礎と機械学習によるスペクトルデータ解析 オンライン
2026/9/28 製薬業におけるCMC・製造領域のデータ・AI活用 オンライン
2026/9/28 統計手法の基礎 オンライン
2026/9/29 生成AIを活用したバイブコーディングの進め方 オンライン
2026/9/29 機械学習のための効率的データ取得とAIモデルの解釈・評価 オンライン
ページのトップヘ