時系列データ分析の基礎と実践【LIVE配信】

　
オンライン会議アプリZoomを使ったWEBセミナーです。ご自宅や職場のノートPCで受講できます。

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