IoT編
難易度
☆☆★★
IoT時系列センサデータの分析方法について、実際に製造業様の分析に長く取り組んできた弊社のノウハウを盛り込んだ学習コースです。
時系列データの前処理に関する内容も盛り込まれており、より実務に活用できる講座です。
対象者
IoTデータを活用したい人 におススメ
所要時間
約660分
※実際の所要時間は、ハンズオン含め約2～3倍程度かかります。
習得内容
IoTデータの前処理方法を習得する
IoTデータから予測分析出来るようになる
コース内容
全15回 約660分
| 第1章 | データ分析と機械学習／データ分析プロジェクトの進め方／教師あり学習／教師なし学習／強化学習 |
|---|---|
| 第2章 | 機械学習ことはじめ／機械学習を正しく使うために |
| 演習・事前準備 | 演習の為のRapidMiner事前準備 |
| 第3章 | RapidMiner の使い方／RapidMinerの基本 |
| 第4章 | 時系列データ分析の基礎／時系列データの特徴量抽出／Time seriesオペレーター |
| 第5章 | 分類問題／決定木分析とは |
| 第6章 | モデルの精度と評価／分割検証／交差検証モデルの精度 |
| 実践ケース１ | モータの診断／データの分割／特徴量の作成 |
| 実践ケース２ | 波形データから特定区間の切り出し／区間IDの作成／区間ごとに特徴量をもとめる |
| 第7章 | 回帰分析／単回帰分析／重回帰分析／多重共線性 |
| 実践ケース３ | ロボットの予防保全／欠損値の線形補完／説明変数同士の関係性 |
| 第8章 | K近傍法(k-NN)による分類／変数選択／標準化 |
| 第9章 | その他の分類モデル／ロジスティック回帰／サポートベクターマシン |
| 第10章 | クラスタリング／階層型クラスタリング／非階層型クラスタリング |
| 第11章 | ニューラルネットワークとディープラーニング／ニューラルネットワークの仕組み／ディープラーニング／畳み込み／プーリング |
