~データ分析の未経験者でもわかるように解説~
☆☆☆ Web配信セミナー ☆☆☆
☆☆☆ 本セミナーは、Zoomを使用して、行います。☆☆☆
トリケップスセミナー
開催日時:2023年9月19日(火)10:30~16:30
参 加 費:お1人様受講の場合 51,700円(税込/1名)
1口(1社3名まで受講可能)でお申し込みの場合 62,700円(税込/1口)
★ 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング(http://zoom.us/test)にアクセスできることをご確認下さい。
★ インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
★ 受講中の録音・撮影等は固くお断りいたします。
講 師
太田 桂吾(おおたけいご) 氏 ㈱LINK.A 代表取締役
<経歴>
1990年3月、岡山大学文学部卒業。1990年4月、応用技術㈱入社。多くのWEBシステム構築に携わる。2019年、 ㈱ネクステージ AIアナリスト。2021年 LINK.A 代表取締役。長年にわたるシステムエンジニア歴を生かして、実践的、わかりやすいデータ分析、機械学習、ディープラーニングの基礎セミナーを多数開催。
セミナーの概要
異常検知のため手法は様々あり、なかなか選択に迷います。ここでは、時系列データの分析手法を概観し、それらを異常検知に役立てる手法を概観します。データ分析の未経験者でもわかるように可能な限り数式を排して説明します。
講義項目
1 機械学習/ディープラーニングの基本
1.1 統計の基本
1.2 統計と機械学習
1.3 異常検知
2 機械学習の実践
2.1 学習の種類
2.2 結果の分類
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?
3.2 ディープラーニングを分類し、その特徴を把握する
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
4.3 データの前処理
4.4 データのグラフ化
4.5 自己相関と変動
4.6 ARIMAモデル
4.7 DNN(RNN)モデル
5 異常検知への応用
5.1 異常検知の基本
5.2 AutoEncoder
5.3 RNN+AutoEncoder
5.4 サンプルプログラム
6 このセミナーだけで終わらせないために
1.1 統計の基本
1.2 統計と機械学習
1.3 異常検知
2 機械学習の実践
2.1 学習の種類
2.2 結果の分類
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?
3.2 ディープラーニングを分類し、その特徴を把握する
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
4.3 データの前処理
4.4 データのグラフ化
4.5 自己相関と変動
4.6 ARIMAモデル
4.7 DNN(RNN)モデル
5 異常検知への応用
5.1 異常検知の基本
5.2 AutoEncoder
5.3 RNN+AutoEncoder
5.4 サンプルプログラム
6 このセミナーだけで終わらせないために