イベント登録数1,672

時系列データの分析の基礎と実践ポイント

データ特性の確認、時間軸、場所、データの前処理、グラフ化、自己相関と変動

このイベントは終了しました

イベント概要

【講演項目】
1.機械学習/ディープラーニングの数理・確率論~対象物を数値情報へ変換する~
  1.1 次元とベクトル
  1.2 画像を数値情報へ変換する
  1.3 言語を数値情報へ変換する
  1.4 音を数値情報へ変換する
  1.5 状態を数値情報へ変換する
2.機械学習の基礎と実践
  2.1 機械学習の基本
    1)データがモデルをつくる
  2.2 学習の種類
    1)教師あり学習の基本
    2)教師なし学習の基本
    3)強化学習の基本
  2.3 結果の分類
    1)回帰
    2)クラス分類
3.ディープラーニングの基礎と実践
  3.1 機械学習とディープラーニングの違いは?
    1)ディープニューラルネットワークとは
    2)把握すべきディープニューラルネットワークの特性
  3.2 ディープラーニングを分類し、その特徴を把握する
    1)畳み込みニューラルネットワーク CNN
    2)再帰型ニューラルネットワーク RNN
    3)強化学習 (Deep Q-learning)
4.時系列データ処理の基本
  4.1 時系列データの定義
  4.2 データの特性を確認する
    1)時間軸/場所の考慮
    2)データを発生させるもの
  4.3 データの前処理
    1)共通前処理
      回帰問題に対応するためのデータ処理
     正規化
     ワンホットベクトル
  4.4 データのグラフ化
    1)目視確認することの重要性
    2)具体的手法
  4.5 自己相関と変動
    1)自己相関
    2)変動
    3)実際のデータで確認
  4.6 ARIMAモデル
    1)ARIMAモデル(自己回帰和分移動平均モデル)
    2)SARIMAモデル
    3)実際のデータで確認
  4.7 DNN(RNN)モデル
    1)RNNモデル
    2)LSTMモデル
    3)実際のデータで確認
5.このセミナーだけで終わらせないために

開催日時 2019/07/12 (金) 10:00 ~ 17:00
会場

技術情報協会 セミナールーム (東京都)

会場住所 141-0031 東京都品川区西五反田2-29-5 日幸五反田ビル8階
料金 54,000円
定員 35人
Webページ http://www.gijutu.co.jp/doc/s_907502.htm
ジャンル データベース
タグ

技術情報協会 機械学習 時系列データ