☆とにかく実践で使えることを第一に考えた講座です!
時系列のデータ分析作業を始めたいと思われている方に最適!
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