カートをみる マイページへログイン ご利用案内 お問い合せ お客様の声 サイトマップ

当社コンサルテーションへのご要望・ご質問・お問合せはこちら

(11/18)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~

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~


■時系列データの特徴の定量化と分類と表現(モデル化)■
■機械学習モデルを用いた高度な予測の実現■
■PythonやRによる実践方法■

「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解説

応用として「将来予測」「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、実務へ応用する

図解による分かり易さを重視し解説、フリーソフトのPythonやRによる実践方法も紹介

日 時 2019年11月18日(月)  10:30~17:30
会 場 東京・大田区蒲田 大田区産業プラザ(PiO)  6 F C会議室  会場地図
受講料(税込) 55,000円  (会員受講料52,250円)  会員登録について
定価:本体50,000円+税5,000円
会員:本体47,500円+税4,750円
【2名同時申込みで1名分無料キャンペーン(1名あたり定価半額27,500円)】
※2名様とも会員登録をしていただいた場合に限ります。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、上記1名あたりの金額で受講できます。
※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。)
※会員割引やその他の割引の併用はできません。

 なお、本システムのお申し込み時のカート画面では割引は表示されませんが、
上記条件を満たしていることを確認後、ご請求書またはクレジット等決済時等に
調整させて頂きます。

備 考資料・昼食付
※講義中の録音・撮影はご遠慮ください。
※講義中のパソコン使用はキーボードの打音などでご遠慮いただく場合がございます。

本セミナーはサイエンス&テクノロジー株式会社が主催いたします。

講師

茨城大学 大学院 理工学研究科 機械システム工学専攻 教授 博士(理学) 鈴木 智也 氏
※CollabWiz(株) 代表取締役
※大和投信信託委託クウォンツ運用部 特任主席研究員
【専門】データサイエンス

講演趣旨

 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。

※複数名で受講の際は、備考欄に受講される方の「氏名・部署名・メールアドレス」を
ご連絡ください。

(11/18)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~

価格:

55,000円 (税込)

[ポイント還元 2,750ポイント~]
購入数:

在庫

在庫あり

返品期限・条件 商品種別による返品の詳細はこちら
この商品について問い合わせる
友達にメールですすめる


講演内容

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?
a. 確率論的モデルと決定論的モデル
b. 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?
a. 相関性と非独立性(非線形相関)の違い
b. 非独立性の確認(連検定,BDSテスト,相互情報量)
c. 相関性の確認(相関係数,自己相関関数)
d. 疑似相関に注意(偏相関係数)
e. 偏自己相関関数
(3). 他から影響を受けるか?
a. 同時刻の関係(相関性と非独立性の違い)
b. 時間遅れを伴う関係(相関性と因果性の違い)
c. 相関性の確認(相互相関関数)
d. 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
a. 確率的トレンドと確定的トレンド
b. 定常性と非定常性
c. 定常化と単位根検定
d.トレンド成分と季節成分の分解
(2). 平均値(期待値)の推定
a. AR(自己回帰)モデル
b. 過学習を防ぐAIC(赤池情報量基準)
c. ARMA(自己回帰移動平均)モデル
d. ARIMA(自己回帰和分移動平均)モデル
e. SARIMA(季節自己回帰和分移動平均)モデル
f. 残差診断
(3). 分散値(リスク)の推定
a. ARCHモデル
b. GARCHモデル
c. ARIMA-GARCHモデル
(4). 将来予測への応用
a. モンテカルロシミュレーションによる長期予測
b. 残差の時間構造も考慮する方法
(5). 異常検知への応用
a. 予測モデルを使う方法
b. 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
a. 重回帰分析から「非線形重回帰分析」へ
b. 最も手軽なのに高性能な「k近傍法」
c. 機械学習の失敗につながる「次元の呪い」
d. 交差確認法(CV法)
e.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
a. 単一ニューロンモデルの学習則(最急勾配法)
b. ニューラルネットワークの学習則(逆誤差伝搬法)
c. 多層ニューラルネットの問題点(勾配消失問題,過学習)
d. 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
a. 因果関係が分かりやすいIf-Thenルール
b. 情報エントロピーを低下させる
(4) 集団学習
a. 多数決で予測精度を向上させる(集合知)
b. 予測精度が向上する理由(集合知定理)
c. 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)
(5) 機械学習による異常検知
a. k近傍法の場合
b. 決定木の場合
c. ニューラルネットワークの場合

 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□

留意事項

※書籍・セミナー・イーラーニングBOOKのご注文に関しましては株式会社イーコンプレスが担当いたします。

当社ホームページからお申込みいただきますと、サイエンス&テクノロジー株式会社から受講券および会場案内等をご指定の住所に送付いたします。
また、お申込の際、事前に会員登録をしていただきますとご購入時にポイントが付与され、 貯まったポイントはセミナーや書籍等のご購入にご利用いただけます。
会員登録はこちら

ご請求書は、弊社より別途郵送いたします。
銀行振り込みを選択された場合は、貴社お支払い規定(例:翌月末までにお振込み)に従い、お振込みをお願いいたします。
恐れ入りますが、振り込み手数料はご負担くださいますようお願いいたします。

個人情報等に関しましては、セミナーご参加目的に限り、当社からサイエンス&テクノロジー株式会社へ転送いたします。

お見積書や領収書が必要な場合もお申し付けください。
ご要望・ご質問・お問合せはこちら

【お支払方法について】

以下のお支払方法がご利用いただけます。

1.銀行振り込み
銀行振込
ご請求書を郵送いたします。
貴社お支払規定に従い、お振込ください。(セミナー当日までにお振込頂く必要はございません。)

2.クレジットカード
クレジットカード


10月1日以降にクレジットカードで決済いただくと5%還元されます。
消費者還元期間:2019年10月1日~2020年6月
※還元額の上限はクレジットカード会社毎に決められています。
詳細はこちら

3.楽天ID決済
楽天ID決済

4.コンビニ決済
クレジットカード

【領収書について】
領収書が必要な場合は、ご連絡ください。上記のいずれのお支払方法でも領収書を発行させて頂きます。

【同一法人割引き(2名同時申込みキャンペーン)について】
同一法人割引き(2名同時申込みキャンペーン)を申し込まれる場合、以下のように入力をお願いいたします。
  1. 同一法人割引き(2名同時申込みキャンペーン)で、「2名で参加」または「3名で参加」を選択してください。
  2. 購入数には、ご参加される人数を入力してください。(2名または3名)
システムの制限上、合計金額は人数分表示されますが、実際のご請求は割引後の価格でさせて頂きます。

関連商品

ページトップへ