プログラム概要
時系列データ分析の基礎から多変量時系列データ分析、分散変動モデル、状態空間モデル、ニューラルネットワークを学びます。
|
対象者
|
AI・機械学習プロジェクトを推進する方
|
|
受講料
|
3名までの場合：1,500,000円（税抜）※受講人数に応じてお見積りいたします 講座内容はカスタマイズ可能です。カスタマイズの際は別途お見積りいたします
|
|
受講前提
|
Pythonと機械学習の基礎知識のある方
|
カリキュラム
時系列解析
|
演習
|
・時系列データ分析の基礎
⚪︎時系列データとは
⚪︎定常性
⚪︎自己相関関数、偏自己相関関数
⚪︎ARモデル、MAモデル、ARMAモデル
⚪︎ADF検定
⚪︎情報量規準
・多変量時系列データ分析
⚪︎多変量時系列データとは
⚪︎期待値、分散、共分散の多次元への拡張
⚪︎多変量時系列の定常性
⚪︎VARモデル
⚪︎グレンジャー因果性検定
⚪︎インパルス応答関数
⚪︎予測誤差分散分解
⚪︎構造VARモデル
⚪︎再帰的構造VARモデル
・分散変動モデル
⚪︎ARCHモデル
⚪︎GARCHモデル
⚪︎Box-Jenkins法
⚪︎多変量GARCHモデル（VECモデル、DVECモデル、CCCモデル）
・状態空間モデル
⚪︎観測モデルと状態モデル
⚪︎予測、フィルタ、平滑化
⚪︎トレンド成分モデル
⚪︎季節成分モデル
⚪︎カルマンフィルタによる欠測値の補間
⚪︎周期成分モデル
⚪︎外生変数の利用
・LSTM ニューラルネットワーク
⚪︎誤差逆伝播法
⚪︎RNN
⚪︎勾配爆発・消失問題
⚪︎LSTM
⚪︎双方向LSTM
⚪︎テンソルと多次元配列
|
|
講義時間
|
３日間 ※ご要望によって、短縮版、拡大版のご提供が可能です
|
