オンライン開催『Pythonによる異常検知』無料読書会#4

開催日時：4月27日（水）19：30〜20：30

書籍『Pythonによる異常検知』を、参加者同士の質問・意見交換やディスカッションをメインに読み進める当勉強会。異常検知手法についてインタラクティブに理解を深める1時間です。

この回では、「第3章　時系列データにおける異常検知」を取り上げます。

第3章　時系列データにおける異常検知
　3.1　時系列データの性質
　　1　時系列データ解析の背景
　　2　時系列データ解析の前提条件
　3.2　自己回帰型モデルによる時系列データの解析
　　1　自己回帰とは
　　2　AR（自己回帰）モデルの原理
　　3　MA（移動平均）モデルの原理
　　4　ARMA（自己回帰移動平均）モデルの原理
　　5　ARIMA（自己回帰和分移動平均）モデルの原理
　　6　SARIMA（季節性自己回帰和分移動平均）モデルの原理
　3.3　状態空間モデルによる時系列データの解析
　　1　自己回帰型モデルとの違い
　　2　状態空間モデル学習の前提条件
　　3　状態空間モデルの概要
　　4　より複雑な状況における状態空間モデル
　3.4　機械学習による時系列データの解析
　　1　単変数の時系列データに対する機械学習
　　2　多変数の時系列データに対する機械学習
　3.5　時系列データにおける異常検知
　　1　自己回帰モデルによる時系列データの異常検知
　　2　機械学習による時系列データの異常検知

（曽我部 東馬 著、曽我部 完 監修,『Pythonによる異常検知』,目次より引用, 2021/02, 発行元：オーム社,ISBN:978-4-274-22541-3）

学習共有サービス「Leranavi」やe-Learningサービス「Leranaviオンライン」、無料読書会参加者同士の質問・情報交換用Slackチャンネルも併せてご活用いただけます。

ご質問・ご相談はconnpassまたはソレイユデータ道場の申し込みフォームよりお気軽にお問い合わせください。