IoT・IT研修

  • Home
  • > IT研修
  • > Pythonで学ぶ時系列データ分析の基礎と状態空間モデル

※受講料は消費税を含みます。

申込受付中

10/16

Pythonで学ぶ時系列データ分析の基礎と状態空間モデル

受講料¥ 24,000 (消費税込)
開催日 2019年10月16日(水)
研修時間午前10時00分 ~ 午後5時00分
学習目標

・毎日の売り上げデータやセンサーのデータ、ログデータなど、近年、豊富に蓄積されるようになってきた時系列データを有効活用するための枠組みである時系列分析の基本的な考え方と時系列データの解釈や予測の方法を学びます。
・Pythonの基本とpandas・matplotlib・statsmodelsといったライブラリを用いた時系列分析の技術を学びます。
・Box-Jenkins法と線形ガウス状態空間モデルという2つの方法を対象とします。Box-Jenkins法は、古くから使われている、実績のある予測モデルで、状態空間モデルは、マーケティング分析などにも応用できる、解釈がしやすい現代的な分析手法で、両者をバランスよく学ぶことで、時系列分析の基礎が習得できます。

研修内容
  1. 時系列分析の基礎
    1) データ分析の基本的な考え方
    2) 時系列分析の基本的な考え方
    3) 時系列分析にまつわる用語
    4) 統計モデルと時系列分析
  2. Box-Jenkins法とその周辺
    1) Box-Jenkins法の概要
    2) データの変換
     2-1) 対数系列
     2-2) 差分系列
     2-3) 季節差分系列
    3) SARIMAXモデル
     3-1) ARモデル
     3-2) MAモデル
     3-3) ARIMAモデル
     3-4) SARIMAXモデル
    4) モデル選択の概要
     4-1) 赤池の情報量規準(AIC)
     4-2) 単位根検定
     4-3) モデルの評価
  3. 線形ガウス状態空間モデル
    1) 状態空間モデルの概要
    2) ローカルレベルモデル
    3) 状態空間モデルの推定方法の概要
     3-1) カルマンフィルタ
     3-2) 最尤法
     3-3) 平滑化
    4) 基本構造時系列モデル
     4-1) ローカル線形トレンドモデル
     4-2) 周期性を組み込んだモデル
  4. Pythonによる時系列データ処理
    1) PythonとJupyter Notebookの基本
    2) Pythonによる時系列データ分析の基本
    3) PythonによるBox-Jenkins法の実装
     3-1) SARIMAXモデルの推定
     3-2) モデルの評価
     3-3)予測
    4) Pythonによる線形ガウス状態空間モデルの実装
     4-1) 線形ガウス状態空間モデルの推定
     4-2) モデルの評価
     4-3) 予測
前提知識

・表計算ソフトなどを用いた、平均値の計算や折れ線グラフの描画といった簡単なデータの集計・分析の経験があること

備考
開催場所ドリーム・コア5F 実習室4
研修形式講義・PC演習(Windows)
募集人数18名(最少催行人数:7名)
申込締切日2019年9月27日(金)
研修申し込み この研修を申し込む