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

時系列データ分析の基礎と応用

時系列データ分析の基礎と応用

~データの扱い方、分析のすすめ方、モデル化と異常検知・将来予測・機械学習への適用~
東京都 開催

概要

本セミナーでは、機械学習を用いた「時系列データ分析」の基礎から、「将来予測」「異常検知」等への応用をわかりやすく解説いたします。

開催日

  • 2019年11月18日(月) 10時30分 17時30分

受講対象者

  • データ解析に携わる技術者
    • 製造業
    • ソフトウェア関連
    • 金融関連
    • 公共機関 等

修得知識

  • 時系列データの特徴を定量化し、数学的に表現 (モデル化) できる
  • 機械学習モデルを用いて、高度な予測や異常検知をプログラミングできる

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。
 そこで今回のセミナーでは「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やRによる実践方法も多数紹介します。コースを問わず、全てのプログラムを配布しますので、復習やお仕事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
###トレンド成分と季節成分の分解
  1. 平均値 (期待値) の推定
    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
  2. 分散値 (リスク) の推定
    1. ARCHモデル
    2. GARCHモデル
    3. ARIMA – GARCHモデル
  3. 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
  4. 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
  1. 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)
###モデルパラメータとハイパーバラメータの違い
  1. 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
  2. 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
  3. 集団学習
    1. 多数決で予測精度を向上させる (集合知)
    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
      • バギング
      • ランダムフォレスト
      • 勾配ブースティング
  4. 機械学習による異常検知
    1. k近傍法の場合
    2. 決定木の場合
    3. ニューラルネットワークの場合
  1. 付録資料
    1. フリーソフトPythonの基本操作ガイド
    2. フリーソフトRの基本操作ガイド
    3. PythonとRの連携方法
    • 質疑応答

講師

  • 鈴木 智也
    茨城大学 工学部 知能システム工学科
    教授

会場

大田区産業プラザ PiO

6F C会議室

東京都 大田区 南蒲田1-20-20
大田区産業プラザ PiOの地図

主催

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
: 47,500円 (税別) / 52,250円 (税込)
複数名
: 25,000円 (税別) / 27,500円 (税込)

複数名同時受講の割引特典について

  • 2名様以上でお申込みの場合、
    1名あたり 25,000円(税別) / 27,500円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 47,500円(税別) / 52,250円(税込)
    • 2名様でお申し込みの場合 : 2名で 50,000円(税別) / 55,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 75,000円(税別) / 82,500円(税込)
  • 同一法人内 (グループ会社でも可) による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 請求書および領収書は1名様ごとに発行可能です。
    申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。
  • 他の割引は併用できません。
本セミナーは終了いたしました。
講演順序・プログラムは変更となる場合がございます。予めご了承ください。

これから開催される関連セミナー

開始日時
2019/11/25 統計的データ処理のための確率統計・線形代数入門 東京都
2019/11/25 計測インフォマティクスのデータ解析とその事例 東京都
2019/11/27 「少ないデータ」による機械学習と業務への導入、活用方法 東京都
2019/11/27 逆強化学習・模倣学習の基礎と応用 東京都
2019/11/27 機械学習を用いたX線計測および計測データ解析の自動化技術 東京都
2019/11/27 確率的グラフィカルモデルの基礎とその応用 東京都
2019/11/28 状態推定アルゴリズム パーティクルフィルタの基礎・応用・実装 東京都
2019/11/29 時系列データ分析の基礎とPython, Rを用いた利用技術 東京都
2019/11/29 多変量解析の基礎と実務への活用 東京都
2019/12/2 統計的データ解析と実験計画法の基礎と実践 東京都
2019/12/4 機械学習 (深層学習) による画像認識の仕組みと最新動向 東京都
2019/12/4 Pythonで始めるコンピュータビジョン 東京都
2019/12/5 医用画像を解析するAI・ディープラーニングの作り方 東京都
2019/12/5 GANなどの深層学習を用いた生成モデルによる画像処理と小規模データ学習 東京都
2019/12/5 分析法バリデーションの統計解析 入門 & 専門 2日間コース 京都府
2019/12/5 分析法バリデーションの統計解析 入門コース 京都府
2019/12/6 クロスモーダルの知覚メカニズムと製品開発への応用 東京都
2019/12/6 機械学習によるデータマイニング入門 東京都
2019/12/6 分析法バリデーションの統計解析 専門コース 京都府
2019/12/6 確率論入門の入門 東京都