毎日の売り上げデータやセンサーのデータ、ログデータなど、時系列データが豊富に蓄積されるようになってきました。こういった時系列データを有効活用するための枠組みが時系列分析です。
　Pythonは、文法がシンプルで初心者でも学習しやすい、汎用的なプログラミング言語です。さらにnumpyやpandas、statsmodelsといった高度な数値計算を簡単に行うライブラリが存在します。Jupyter Notebookという便利な無料ソフトを合わせて使うことで、高度な分析を簡単に実行・保存できます。
　このセミナーでは、時系列分析の基礎理論を解説したうえで、時系列データの解釈・予測を行うための“フレームワーク”を、Pythonによる実装を通して体系的に学びます。

1. はじめに
2. 時系列分析の基礎
   1. データ分析の基本
   2. 時系列分析の基本
   3. 時系列データの構造
   4. 統計モデルと時系列分析
3. Box – Jenkins法
   1. Box – Jenkins法の概要
   2. データの変換
      1. 対数変換
      2. 差分
      3. 季節差分
   3. SARIMAXモデル
      1. 自己回帰 (AR) モデル
      2. 移動平均 (MA) モデル
      3. ARIMAモデル
      4. SARIMAモデル
   4. モデル選択の概要
      1. 赤池の情報量規準 (AIC)
      2. 単位根検定
      3. モデルの評価
4. 線形ガウス状態空間モデル
   1. 状態空間モデルの概要
   2. ローカルレベルモデル
   3. 状態空間モデルの推定方法の概要
      1. カルマンフィルタ
      2. 最尤法
      3. 平滑化
   4. 基本構造時系列モデル
      1. ローカル線形トレンドモデル
      2. 周期性を組み込んだモデル
• 質疑応答