時系列の数理

2021年度4月開講分、お申込受付中です。こちらからお申込みいただけます。

講座の概要

Wikipedia: Time series より. Licensed under パブリック・ドメイン via CC BY-SA 3.0

時系列モデリングや時系列データの機械学習を勉強するとき、躓きやすいのはその数学の部分の難しさだと思います。この講座「時系列の数理」では、この数学の部分を講師と一緒に丁寧に追っていくことで、時系列の各トピックを少しでも理解できるようになることを目指します。4月・5月の間は、教科書として北川著「Rによる時系列モデリング入門」を用います。

受講にあたって

役立つ知識

高校数学Ⅲまでの微分の知識

目標

時系列モデルや時系列の機械学習の数理部分に慣れる。
時系列データの分析に少しでも自信を持てるようになる。

カリキュラム

4月・5月の間は、北川著「Rによる時系列モデリング入門」の第1章から第7章を中心に解説します。

4月 : 時系列データの記述統計
北川著「Rによる時系列モデリング入門」の第1章から第3章に従って、時系列データの分析の基本になる

時系列データの前処理
時系列の自己共分散・自己相関・コレログラム
時系列データの周期性・ピリオドグラム

について紹介します。

5月 : ARMAモデルとその推定
時系列の代表的なモデリングであるARMAモデルを、北川著「Rによる時系列モデリング入門」の第6章・第7章に沿って解説します。

ARMAモデルとは何か
ARMAモデルの推定の方法
ARMAモデルのハイパーパラメータの探索

を中心に説明します。

6月 : ARIMAモデル・SARIMAモデルとその推定
実社会の時系列、例えば商品の需要やWebページの閲覧数は、トレンドや周期性を持ちます。このような時系列をモデリングする代表的な方法に、SARIMAモデルとprophetモデルがあります。SARIMAモデルは、ARIMAモデルを拡張したモデルです。授業では

ARIMAモデル・SARIMAモデルとは何か
ARIMAモデル・SARIMAモデルの推定の仕組み
ハイパーパラメータの探索と注意点の概説

を中心に説明します。

7月 : prophetモデルとその推定
SARIMAに並びトレンド・周期性のある時系列をモデリングする方法の代表例に、Harveyの構造時系列モデルがあります。このモデルは、R言語・Python言語のパッケージ名であるprophetという名前でも親しまれています。（以下、prophetモデルとよぶことにします。）prophetモデルの特徴は、結果の解釈しやすさとトレンドの変化点を推定できることです。授業では

prophetモデルとは何か
prophetモデルの推定の仕組み

について解説します。

8月 : 時系列データの（古典的な）機械学習
複数の時系列を集めたデータに対して、ラベルを予測したりクラスタリングしたりといった機械学習タスクを考えることもできます。このような時系列データの機械学習タスクを解く方法として「dynamic time warping（動的時間伸縮法）」や「shapelet」があります。授業では、

dynamic time warping・shapeletとは何か
dynamic time warpingやshapeletを用いた分類・クラスタリング

について解説します。

受講詳細

お申し込みは、お申込フォームからお願いします。

名称	時系列の数理
講師	内場崇之
日程	・水曜クラス 19:00-21:00, 4月7日-8月25日（5月5日、8月11日休講）詳細は下記の開講スケジュール*をご参照ください。
場所	Zoomによるオンライン講座となります。
教科書	北川著「Rによる時系列モデリング入門」（岩波書店） ※ 初回授業までに各自ご購入下さい。
受講料	24,500円/月クレジットカード支払いはこちらのページから。
持ち物	・筆記用具・教科書

お申込み

開講スケジュール

5月5日水曜日、8月11日水曜日は休講です。

	水曜日クラス 19:00〜21:00
第1講	4月7日
第2講	4月14日
第3講	4月21日
第4講	4月28日
第5講	5月12日
第6講	5月19日
第7講	5月26日
第8講	6月2日
第9講	6月9日
第10講	6月16日
第11講	6月23日
第12講	6月30日
第13講	7月7日
第14講	7月14日
第15講	7月21日
第16講	7月28日
第17講	8月4日
第18講	8月18日
第19講	8月25日