Skip to main content
Ctrl+K
ごちきか - Home

はじめに

  • About
    • ごちきかとは？
    • 講演/講義など
  • 利用するデータ
  • 本コンテンツで使用しているライブラリの一覧
  • プロセス制御とデータ分析

分析

  • 可視化と探索的データ解析
    • データの準備
    • 時系列データの可視化
    • 基本的な要約統計量の計算
    • 自己相関関数と相互相関関数
    • 定常性の確認
    • 周波数解析の基礎
    • スペクトル解析の基礎と可視化
  • データの前処理
    • 欠損値処理
    • 正規化
    • 外れ値
    • 観測が時間的に等間隔になっていない場合の処理
    • 次元削減
    • 次元圧縮（前編：主成分分析）
    • 次元圧縮（後編：その他の手法）
    • 時間窓切り出し処理
    • カテゴリカルデータ処理
    • 日時型データの前処理
  • モデリング
    • 線形回帰
    • 基本的な時系列回帰モデル
    • スパースモデリング（基本編）
    • スパースモデリング（応用編）
    • 多重共線性に対応した回帰モデル
    • ガウス過程回帰モデルの基礎
    • LiNGAMによる因果探索（基本編）
    • LiNGAMによる因果探索（応用編）
    • VAR-LiNGAMによる時系列データの因果探索
    • ロジスティック回帰モデル
    • 一般化線形モデルの基礎
    • 決定木回帰モデル
    • カルマンフィルタ
  • 学習の実行
    • 回帰モデルの評価
    • 分類モデルの評価
    • クロスバリデーション（交差検証）
    • ハイパーパラメータ探索の基本的な手法
    • ベイズ最適化によるハイパーパラメータ最適化
    • TPEによるハイパーパラメータ最適化
  • モデルの応用
    • 密度推定による異常検知の基礎

特集記事

  • 特集記事
    • SymPyの使い方
    • pandasの基本操作
    • スパースモデリング（発展編）
    • Hilbert-Schmidt独立性基準（HSIC）
    • Informer (AAAI2021 Best Paper)
    • RandOm Convolutional KErnel Transform (ROCKET)
    • Just-In-Time モデリング
    • scikit-learnで利用できる自作の回帰モデルの作成
    • パネルデータの作成と分析

論文紹介

  • 論文紹介
    • 速習！時系列予測Transformer属
    • Understanding Diffusion Models: A Unified Perspective
    • N-BEATS, N-HiTS
    • Neural Processes
    • PCアルゴリズム

データセット

  • データセット集
    • M4
    • Electricity Transformer Temperature

用語集

  • 用語集
    • 用語集（あ行）
    • 用語集（か行）
    • 用語集（さ行）
    • 用語集（た行）
    • 用語集（な行）
    • 用語集（は行）
    • 用語集（ま行）
    • 用語集（や・ら・わ行）
    • 用語集（英字）

  • About
  • 利用するデータ
  • 本コンテンツで使用しているライブラリの一覧
  • プロセス制御とデータ分析

前へ

ごちきか

次へ

About

© NTT DOCOMO BUSINESS, Inc. All Rights Reserved.

NTTdocomoBusiness