「現場のAIエンジニアから学ぶ「時系列データの予測モデルの作り方」」連載一覧
1~4件(全4件)
-
2020/12/18
ディープラーニングによる時系列データ予測モデルの問題点を解消する
本稿では、NTTテクノクロスでAIエンジニアとして活躍する筆者が、実際にどのようなことを行っていて、どのような苦労があるのかを、実際に動かして試せる「時系列データの予測モデル作成」の題材を通して、4回にわたってお伝えします。最終回となる今回は、これまでに作成した予測モデルを振り返り、時系列データを用いた予測モデルを作成する際に起きやすい問題とその対応方法をお伝えいたします。(編集部)
-
2020/06/01
ディープラーニングによる時系列データ予測モデル――精度を高める2つの方法とは?
本稿では、NTTテクノクロスでAIエンジニアとして活躍する筆者が、実際にどのようなことを行っていて、どのような苦労があるのかを、実際に動かして試せる「時系列データの予測モデル作成」の題材を通して、4回にわたってお伝えします。第3回では、予測モデルの精度を向上させる2つの方法をお伝えいたします。(編集部)
-
2020/02/14
AIサービスの開発に求められる予測性能以外のこととは?データ粒度の詳細化を例に学ぶ
本稿では、NTTテクノクロスでAIエンジニアとして活躍する筆者が、実際にどのようなことを行っていて、どのような苦労があるのかを、実際に動かして試せる「時系列データの予測モデル作成」の題材を通して、4回にわたってお伝えします。第2回では、PoC(概念実証)進行中にサービス性向上のため、当初の目標スコープからの追加・変更があった場合、どのようなことが起こるのかをお伝えします。(編集部)
-
2019/12/20
ディープラーニングを用いた時系列データの予測モデルの作り方
本稿では、NTTテクノクロスでAIエンジニアとして活躍する筆者が、実際にどのようなことを行っていて、どのような苦労があるのかを、実際に動かして試せる「時系列データの予測モデル作成」の題材を通して、4回にわたってお伝えします。第1回では、プロトタイプで想定するサービスが作れるかを検証するPoC(概念実証)の辺りをお伝えします。(編集部)
1~4件(全4件)
All contents copyright © 2005-2022 Shoeisha Co., Ltd. All rights reserved. ver.1.5