1. DataRobotを使った時系列予測 a. 時系列予測におけるデータフォーマット b. ギャップ・予測期間の決定 c. 時系列予測におけるパーティション設定 d. 精度の良いモデルの選択 e. 予測と実測の時系列での比較 f. モデルのベンチマークとの比較 g. 生成した予測モデルを使った予測 2. ヒストリカル変数を使ったモデル a. ヒストリカル変数を持ったデータフォーマット b. 変数タイプ別のヒストリカル変数に用いる統計 的指標 c. Pythonを用いたラグデータの加工 3. イベント説明変数を使ったモデル a. 周期パターンの把握 b. DataRobot内で周期性パターンの説明変数 の作成 c. イベント説明変数を使ったモデル d. 良く使われる説明変数 e. 時系列分析におけるデータの注意点 4. 【応用】トレンドの存在するデータの予測 5. 【応用】階層的データに対する予測 6. モデルのデプロイと更新 a. デプロイ用最終モデルの生成 b. 時系列予測モデルの更新
1. DataRobotを使った時系列予測 a. 時系列予測におけるデータフォーマット b. ギャップ・予測期間の決定 c. 時系列予測におけるパーティション設定 d. 精度の良いモデルの選択 e. 予測と実測の時系列での比較 f. モデルのベンチマークとの比較 g. 生成した予測モデルを使った予測 2. ヒストリカル変数を使ったモデル a. ヒストリカル変数を持ったデータフォーマット b. 変数タイプ別のヒストリカル変数に用いる統計 的指標 c. Pythonを用いたラグデータの加工 3. イベント説明変数を使ったモデル a. 周期パターンの把握 b. DataRobot内で周期性パターンの説明変数 の作成 c. イベント説明変数を使ったモデル d. 良く使われる説明変数 e. 時系列分析におけるデータの注意点 4. 【応用】トレンドの存在するデータの予測 5. 【応用】階層的データに対する予測 6. モデルのデプロイと更新 a. デプロイ用最終モデルの生成 b. 時系列予測モデルの更新
1. DataRobotを使った時系列予測 a. 時系列予測におけるデータフォーマット b. ギャップ・予測期間の決定 c. 時系列予測におけるパーティション設定 d. 精度の良いモデルの選択 e. 予測と実測の時系列での比較 f. モデルのベンチマークとの比較 g. 生成した予測モデルを使った予測 2. ヒストリカル変数を使ったモデル a. ヒストリカル変数を持ったデータフォーマット b. 変数タイプ別のヒストリカル変数に用いる統計 的指標 c. Pythonを用いたラグデータの加工 3. イベント説明変数を使ったモデル a. 周期パターンの把握 b. DataRobot内で周期性パターンの説明変数 の作成 c. イベント説明変数を使ったモデル d. 良く使われる説明変数 e. 時系列分析におけるデータの注意点 4. 【応用】トレンドの存在するデータの予測 5. 【応用】階層的データに対する予測 6. モデルのデプロイと更新 a. デプロイ用最終モデルの生成 b. 時系列予測モデルの更新
1. DataRobotを使った時系列予測 a. 時系列予測におけるデータフォーマット b. ギャップ・予測期間の決定 c. 時系列予測におけるパーティション設定 d. 精度の良いモデルの選択 e. 予測と実測の時系列での比較 f. モデルのベンチマークとの比較 g. 生成した予測モデルを使った予測 2. ヒストリカル変数を使ったモデル a. ヒストリカル変数を持ったデータフォーマット b. 変数タイプ別のヒストリカル変数に用いる統計 的指標 c. Pythonを用いたラグデータの加工 3. イベント説明変数を使ったモデル a. 周期パターンの把握 b. DataRobot内で周期性パターンの説明変数 の作成 c. イベント説明変数を使ったモデル d. 良く使われる説明変数 e. 時系列分析におけるデータの注意点 4. 【応用】トレンドの存在するデータの予測 5. 【応用】階層的データに対する予測 6. モデルのデプロイと更新 a. デプロイ用最終モデルの生成 b. 時系列予測モデルの更新
1. DataRobotを使った時系列予測 a. 時系列予測におけるデータフォーマット b. ギャップ・予測期間の決定 c. 時系列予測におけるパーティション設定 d. 精度の良いモデルの選択 e. 予測と実測の時系列での比較 f. モデルのベンチマークとの比較 g. 生成した予測モデルを使った予測 2. ヒストリカル変数を使ったモデル a. ヒストリカル変数を持ったデータフォーマット b. 変数タイプ別のヒストリカル変数に用いる統計 的指標 c. Pythonを用いたラグデータの加工 3. イベント説明変数を使ったモデル a. 周期パターンの把握 b. DataRobot内で周期性パターンの説明変数 の作成 c. イベント説明変数を使ったモデル d. 良く使われる説明変数 e. 時系列分析におけるデータの注意点 4. 【応用】トレンドの存在するデータの予測 5. 【応用】階層的データに対する予測 6. モデルのデプロイと更新 a. デプロイ用最終モデルの生成 b. 時系列予測モデルの更新
1. DataRobotを使った時系列予測 a. 時系列予測におけるデータフォーマット b. ギャップ・予測期間の決定 c. 時系列予測におけるパーティション設定 d. 精度の良いモデルの選択 e. 予測と実測の時系列での比較 f. モデルのベンチマークとの比較 g. 生成した予測モデルを使った予測 2. ヒストリカル変数を使ったモデル a. ヒストリカル変数を持ったデータフォーマット b. 変数タイプ別のヒストリカル変数に用いる統計 的指標 c. Pythonを用いたラグデータの加工 3. イベント説明変数を使ったモデル a. 周期パターンの把握 b. DataRobot内で周期性パターンの説明変数 の作成 c. イベント説明変数を使ったモデル d. 良く使われる説明変数 e. 時系列分析におけるデータの注意点 4. 【応用】トレンドの存在するデータの予測 5. 【応用】階層的データに対する予測 6. モデルのデプロイと更新 a. デプロイ用最終モデルの生成 b. 時系列予測モデルの更新
1. DataRobotを使った時系列予測 a. 時系列予測におけるデータフォーマット b. ギャップ・予測期間の決定 c. 時系列予測におけるパーティション設定 d. 精度の良いモデルの選択 e. 予測と実測の時系列での比較 f. モデルのベンチマークとの比較 g. 生成した予測モデルを使った予測 2. ヒストリカル変数を使ったモデル a. ヒストリカル変数を持ったデータフォーマット b. 変数タイプ別のヒストリカル変数に用いる統計 的指標 c. Pythonを用いたラグデータの加工 3. イベント説明変数を使ったモデル a. 周期パターンの把握 b. DataRobot内で周期性パターンの説明変数 の作成 c. イベント説明変数を使ったモデル d. 良く使われる説明変数 e. 時系列分析におけるデータの注意点 4. 【応用】トレンドの存在するデータの予測 5. 【応用】階層的データに対する予測 6. モデルのデプロイと更新 a. デプロイ用最終モデルの生成 b. 時系列予測モデルの更新