時系列データ分析の基礎とPythonを用いた実習講座【LIVE配信】
PC実習付きセミナー
※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。
※新型コロナウイルスの影響により、通常セミナーからLIVE配信に変更しました。8/24UP

※受付を終了しました。最新のセミナーはこちら

セミナー概要
略称
時系列データ分析【WEBセミナー】
セミナーNo.
201001
開催日時
2020年10月08日(木) 10:30~16:30
主催
(株)R&D支援センター
問い合わせ
Tel:03-5857-4811 E-mail:info@rdsc.co.jp 問い合わせフォーム
価格
非会員:  55,000円 (本体価格:50,000円)
会員:  49,500円 (本体価格:45,000円)
学生:  49,500円 (本体価格:45,000円)
価格関連備考
会員(案内)登録していただいた場合、通常1名様申込で55,000円(税込)から
 ・1名で申込の場合、49,500円(税込)へ割引になります。
 ・2名同時申込で両名とも会員登録をしていただいた場合、計55,000円(2人目無料)です。
会員登録とは? ⇒ よくある質問
持参物
当日はPythonをインストールしたノートPCをご準備ください。
また、必要に応じて、別途ライブラリを予めインストールしていただく可能性があります。
OSはWindows10が望ましいです。
別途、セミナー開催1週間前を目安に、参加申込者にインストール方法(pdf)をご連絡します。

PC実習に関しては、講師による実演を中心とし、補助的に実習の時間をとる予定です。
備考
資料付き【PDF配布】

【LIVE配信セミナーとは?】
・本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
・「ミーティング用Zoomクライアント」をダウンロードするか、ZOOM を
  ダウンロードせず、Web ブラウザから参加するかの2種類がございます。
  ZOOM WEBセミナーのはじめかたをご覧ください。

・お申込み後、受理のご連絡メールをさせていただきます。
 一部メールが通常セミナー形式(受講券、請求書、会場の地図)になっておりますが
 LIVE配信のみのセミナーです。
・お申込み後、接続テスト用のURL(https://zoom.us/test)から
「ミーティングテストに参加」を押していただき動作確認をお願いします。
・後日、別途視聴用のURLをメールにてご連絡申し上げます。
・セミナー開催日時の10分前に、視聴サイトにログインしていただき、ご視聴ください。
・セミナー資料はPDFにて前日までには、お送りいたします。
・ご質問については、オープンにできるご質問をチャットにご記入ください。
 個別相談(他社に知られたくない)のご質問は後日メールにて講師と直接お願いします。
・タブレットやスマートフォンでも視聴できます。
・講義の録音、録画などの行為や、テキスト資料、講演データの権利者の許可なく
 複製、転用、販売などの二次利用することを固く禁じます。
講座の内容
必要な予備知識
Pythonを自分でインストールできる。
「pip install」コマンドを実行できる。
習得できる知識
・時系列分析の基礎理論と実際の分析作業のイメージ
・Python(pandas・matplotlib・statsmodels等)を用いた時系列データの取り扱い
・Box-Jenkins法による、時系列データの予測
・状態態空間モデルによる、時系列データの解釈と予測
趣旨
 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、時系列データが豊富に蓄積されるようになってきました。こういった時系列データを有効活用するための枠組みが時系列分析です。
Pythonは、文法がシンプルで初心者でも学習しやすい、汎用的なプログラミング言語です。さらにnumpyやpandas、statsmodelsといった高度な数値計算を簡単に行うライブラリが存在します。Jupyter Notebookという便利な無料ソフトを合わせて使うことで、高度な分析を簡単に実行・保存できます。
 このセミナーでは、時系列分析の基礎理論を解説したうえで、時系列データの解釈・予測を行うための“フレームワーク”を、Pythonによる実装を通して体系的に学びます。
プログラム
1.はじめに

2.時系列分析の基礎
 2-1.データ分析の基本
 2-2.時系列分析の基本
 2-3.時系列データの構造
 2-4.統計モデルと時系列分析

3.Box-Jenkins法
 3-1.Box-Jenkins法の概要
 3-2.データの変換
  3-2-1.対数変換
  3-2-2.差分
  3-2-3.季節差分
 3-3.SARIMAXモデル
  3-3-1.自己回帰(AR)モデル
  3-3-2.移動平均(MA)モデル
  3-3-3.ARIMAモデル
  3-3-4.SARIMAモデル
 3-4.モデル選択の概要
  3-4-1.赤池の情報量規準(AIC)
  3-4-2.単位根検定
  3-4-3.モデルの評価

4.線形ガウス状態空間モデル
 4-1.状態空間モデルの概要
 4-2.ローカルレベルモデル
 4-3.状態空間モデルの推定方法の概要
  4-3-1.カルマンフィルタ
  4-3-2.最尤法
  4-3-3.平滑化
 4-4.基本構造時系列モデル
  4-4-1.ローカル線形トレンドモデル
  4-4-2.周期性を組み込んだモデル

【質疑応答・名刺交換】
キーワード
時系列,データ,分析,Python,numpy,statsmodels,セミナー,研修
関連するセミナー
関連する書籍
関連する通信講座
関連するタグ
フリーワード検索