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・モデル化と異常検知・機械学習への応用

時系列データ分析の基礎・モデル化と異常検知・機械学習への応用

～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 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、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

  • 2020年10月14日(水) 10時30分 ～ 16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を用いることで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
        • 相互情報量
        • MIC
      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. 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
    3. 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
    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. 異常検知 (ROC曲線)
  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 (誤差逆伝搬法)
      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 (集合知)
      2. 予測精度が向上する理由 (多様性予測定理)
      3. いろいろな集団学習
      4. バイアス・バリアンス分解
      5. 集団学習の活用法
        • バギング
        • 勾配ブースティング
        • ランダムフォレスト
    5. 機械学習による異常検知
      1. 各種方法の実装例
    6. 発展的なトピック
      1. 自信度の推計 (コンセンサスレシオ)
      2. 再帰型ニューラルネットワーク (RNN, LSTM)
    • 付録資料
      • PythonとRの連携方法
      • フリーソフトPythonの基本操作ガイド
      • フリーソフトRの基本操作ガイド
    • 質疑応答
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

品川区立総合区民会館 きゅりあん

5F 第3講習室

東京都 品川区 東大井5丁目18-1
品川区立総合区民会館 きゅりあんの地図
ページのトップヘ

主催

サイエンス＆テクノロジー 株式会社
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。

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

  • 1名様あたり 10,000円(税別) / 11,000円(税込)
  • 企業に属している方(出向または派遣の方も含む)は、対象外です。
  • お申込み者が大学所属名でも企業名義でお支払いの場合、対象外です。
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
2025/11/27 0からのAIエージェントとデータ分析 オンライン
2025/11/28 Pythonと生成AIによるデータ分析入門 オンライン
2025/11/28 統計手法の基礎 オンライン
2025/12/3 生成AI活用による革新的学習法 オンライン
2025/12/3 高速光変調器の原理と応用動向 東京都 会場
2025/12/5 スモールデータ解析の方法と実問題解決への応用 オンライン
2025/12/5 少ないデータでも使える機械学習・異常検知の基礎とインフラ・製造分野への応用 オンライン
2025/12/8 少ないデータでも使える機械学習・異常検知の基礎とインフラ・製造分野への応用 オンライン
2025/12/9 カルマンフィルタの実践 オンライン
2025/12/9 カルマンフィルタの基礎理論 オンライン
2025/12/10 AI特許調査ツールの選定基準と導入、運用のポイント オンライン
2025/12/10 Rで実践するマーケティングデータ分析入門 オンライン
2025/12/10 高速高精度光変調の理論と実践 オンライン
2025/12/11 AI特許調査ツールの選定基準と導入、運用のポイント オンライン
2025/12/11 Rで実践するマーケティングデータ分析入門 オンライン
2025/12/12 マテリアルズ・インフォマティクスのための実験データ統合、一元化とデータベースの構築、効果的な活用法 オンライン
2025/12/12 画像認識のためのディープラーニングとモデルの軽量化 オンライン
2025/12/16 第3世代のニューラルネットワーク "Spiking Neural Networks" の基礎と未来 オンライン
2025/12/16 分析法バリデーションのための統計解析入門と分析能パラメータ計算および基準値設定法入門 オンライン
2025/12/16 ChatGPT・Pythonを活用した業務効率化・自動化のポイント オンライン
ページのトップヘ

関連する出版物

発行年月
2025/3/31 ベイズ最適化の活用事例
2024/10/31 少ないデータによるAI・機械学習の進め方と精度向上、説明可能なAIの開発
2023/6/30 生産プロセスにおけるIoT、ローカル5Gの活用
2022/12/31 機械学習・ディープラーニングによる "異常検知" 技術と活用事例集
2022/8/31 医療機器の設計開発における統計的手法とそのサンプルサイズ設定
2021/10/25 AIプロセッサー (CD-ROM版)
2021/10/25 AIプロセッサー
2021/10/18 医療機器の設計・開発時のサンプルサイズ設定と設定根拠
2021/7/30 マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例
2021/6/30 人工知能を用いた五感・認知機能の可視化とメカニズム解明
2021/6/28 AI・MI・計算科学を活用した蓄電池研究開発動向
2020/12/30 実践Rケモ・マテリアル・データサイエンス
2020/8/11 化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート
2020/7/31 生体情報センシングと人の状態推定への応用
2020/4/30 生体情報計測による感情の可視化技術
2019/1/31 センサフュージョン技術の開発と応用事例
2018/5/31 “人工知能”の導入による生産性、効率性の向上、新製品開発への活用
2018/4/25 統計学的アプローチを活用した分析法バリデーションの評価及び妥当性
2017/5/10 分析法バリデーション実務集
2016/4/28 ドライバ状態の検出、推定技術と自動運転、運転支援システムへの応用
ページのトップヘ