講師は、専門の研究者ではなく、システム開発者なので、とにかく実践で使えることを第一に考えています。前半で、機械学習・ディープラーニングを概観・整理します。データ分析の未経験者でもわかるように可能な限り数式を排して説明します。
　後半は、時系列データの分析手法を概観し、実践のポイントを解説します。また、処理の違いにより、結果に対してどの程度の際が生まれるか、を実験、説明します。時系列のデータ分析作業を始めたいと思われている方に最適です。

1. 機械学習/ディープラーニングの数理・確率論
   1. 統計の基本
   2. 統計と機械学習
2. 機械学習の基礎と実践
   1. 機械学習の基本
   2. 学習の種類
   3. 結果の分類
3. 時系列データ処理
   1. 時系列データの定義
   2. データの特性を確認する
   3. データの前処理
   4. データのグラフ化
4. ARIMAモデルを使ってみる
   1. 自己相関について
   2. ARIMAモデルの理解
   3. サンプルデータを使用した実行 (売上予測)
5. 深層学習モデルを使ってみる
   1. 深層学習モデルと時系列データ
   2. サンプルデータを使用した実行 (売上予測の高度化)
6. 異常検知への応用
   1. 異常検知の基本
   2. RNN+AutoEncoder
   3. サンプルプログラムで時系列データの異常検知を実施
7. パラメータ推定
   1. optunaを利用したパラメータ自動推定
8. このセミナーだけで終わらせないために