1. ホーム
  2. セミナー
  3. 時系列データ分析の基礎とPythonを用いた実習講座【LIVE配信】

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】

※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。

※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.
240202
開催日時
2024年02月14日（水） 10:00～16:00
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
開催場所
【WEB限定セミナー】※会社やご自宅でご受講下さい。　
価格
非会員：  55,000円 （本体価格：50,000円）
会員：  46,200円 （本体価格：42,000円）
学生：  55,000円 （本体価格：50,000円）
価格関連備考
会員の方あるいは申込時に会員登録される方は、受講料が1名55,000円（税込）から
・1名で申込の場合、46,200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。
・3名以降は一人当たり定価の半額となります。
＜※2名以上でお申込の場合は1名につき27,500円（税込）＞
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、あるいはWindows11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
・本セミナーは「Zoom」を使ったWEB配信セミナーとなります。

【Zoomを使ったWEB配信セミナー受講の手順】
１）Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
２）セミナー前日までに必ず動作確認をお願いします。Zoom WEBセミナーのはじめかたについてはこちらをご覧ください。
３）開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

・セミナー資料は開催前日までにお送りいたします。無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
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
 

スケジュール
昼食の休憩時間12：00～12：45を予定しております。
※進行によって、多少前後する可能性がございます。
※質問は随時チャット形式で受け付けます。また音声でも可能です。
キーワード
時系列データ,分析,Python,解釈,予測,Jupyter,モデル,WEB,セミナー
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
カテゴリ別検索
カテゴリ別検索