時間とともに変動する現象を記録したデータが時系列である。時系列に基づき、複雑な現象を理解し、予測、制御や意思決定を行うための方法が時系列解析である。この講義では、時系列のモデリングのための前処理や特徴の可視化、統計的モデリングの方法、線形・定常時系列モデル、状態空間モデルおよび非線形・非ガウス型モデルについて、実際の問題への応用含めつつモデリングの方法を中心に解説し、現実の問題に対応して適切なモデリングができるようになることを目標とする。
数理手法Ⅶ
時間とともに変動する現象を記録したデータが時系列である。時系列に基づき、複雑な現象を理解し、予測、制御や意思決定を行うための方法が時系列解析である。この講義では、時系列のモデリングのための前処理や特徴の可視化、統計的モデリングの方法、線形・定常時系列モデル、状態空間モデルおよび非線形・非ガウス型モデルについて、実際の問題への応用含めつつモデリングの方法を中心に解説し、現実の問題に対応して適切なモデリングができるようになることを目標とする。
統計データ解析 Ⅱ Introduction to statistical data analysis Ⅱ | UTokyo OCWx
ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 統計データ解析Ⅱでは、統計ソフトウエアRの説明の後、高次元大規模データに潜む相関構造を発見し計量する多変量解析、および時系列データの基本的な解析法を学ぶ。統計手法の運用とデータハンドリングを実習することに加え、微分積分学、線型代数学等の前期課程数学と連携し、数理科学的側面を意識しながら、実験を介して統計手法の合理性と体系を感得する。
機械学習モデルを作成する - Training
Microsoft Learn では、対話的な方法で、従来の機械学習の概要を理解することができます。 これらのラーニング パスは、ディープ ラーニングのトピックに移行するための優れた基盤にもなり、各自の生産性を向上させます。 最も基本的な従来の機械学習モデルから、探索的データ分析やカスタマイジングのアーキテクチャまで、ブラウザーを離れることなく、概念的内容や対話型の Jupyter Notebook を簡単に把握することができます。 知識と興味に応じて自分のパスを選択してください。 オプション 1: 完全なコース: 機械学習のためのデータ サイエンスの基礎 ほとんどのユーザーには、このパスがお勧めです。 これには、概念の理解を最大限に高めるカスタム フローを備えた、他の 2 つのラーニング パスと同じモジュールがすべて含まれています。 基になる概念と、最も一般的な機械学習ツールでモデルを構
エレベータのブザーは鳴るか―大学生のための統計学入門｜京都大学OCW
平成30年度開講の「臨床統計家育成コース」からの公開講義です。 本コースは、大学院医学研究科社会健康医学系専攻に設置された2年制の専門職学位課程です。データサイエンスや統計学に関心のある方を、医学知識の有無を問わず歓迎します。 授業の特色 データサイエンスが注目される中、高校で数学B「確率分布と統計的な推測」を履修していないことが、大学教育の大きな課題となっています。本講義では京都大学医学研究科教授 田中司朗氏が「統計で容疑を晴らす」、「エレベータのブザーは鳴るか」、「地球の大きさを測る」といったストーリーを基に、平均、分散、標準偏差、回帰直線の計算を中心に、記述統計学の基本を解説します。これは、数学I「データの分析」をカバーしており、数学B「確率分布と統計的な推測」の一部を含みます。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
基礎線形代数講座