【中止】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

本セミナーは10/14(水)に延期しました。

時系列データを対象に、データの個性を定量化する
統計的分析、数式として表現する時系列モデルを多数解説!


実務への応用をふまえ「将来予測」「異常検知」に着眼し、
より高度な機械学習モデルの取り入れ方を紹介!
図解による分かりやすさを重視します


■時系列データの特徴の定量化、取り扱い方、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

セミナー趣旨

 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。

セミナープログラム

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(相互情報量,MIC)
  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
  c. 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
  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(誤差逆伝搬法)
  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(多様性予測定理)
  c. いろいろな集団学習
  d. バイアス・バリアンス分解
  e. 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
  a. 各種方法の実装例
 (6) 発展的なトピック
  a. 自信度の推計(コンセンサスレシオ)
  b. 再帰型ニューラルネットワーク(RNN, LSTM)

付録資料
 (1) PythonとRの連携方法
 (2) フリーソフトPythonの基本操作ガイド
 (3) フリーソフトRの基本操作ガイド

  □質疑応答□

セミナー講師

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

セミナー受講料

55,000円( S&T会員受講料52,250円 )
(まだS&T会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。
詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)
S&T会員なら、2名同時申込みで1名分無料
2名で 55,000円 (2名ともS&T会員登録必須/1名あたり定価半額27,500円)

【1名分無料適用条件】
※2名様ともS&T会員登録が必須です。
※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、1名あたり定価半額で追加受講できます。
※受講券、請求書は、代表者に郵送いたします。
※請求書および領収証は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。


※セミナーに申し込むにはものづくりドットコム会員登録が必要です

開催日時


10:30

受講料

55,000円(税込)/人

※本文中に提示された主催者の割引は申込後に適用されます

※銀行振込 または、当日現金でのお支払い

開催場所

東京都

MAP

【品川区】きゅりあん

【JR・東急・りんかい線】大井町駅

主催者

キーワード

機械学習・ディープラーニング   SQC一般   回帰分析

※セミナーに申し込むにはものづくりドットコム会員登録が必要です

開催日時


10:30

受講料

55,000円(税込)/人

※本文中に提示された主催者の割引は申込後に適用されます

※銀行振込 または、当日現金でのお支払い

開催場所

東京都

MAP

【品川区】きゅりあん

【JR・東急・りんかい線】大井町駅

主催者

キーワード

機械学習・ディープラーニング   SQC一般   回帰分析

関連記事

もっと見る