※印刷用ページ表示機能はメンバーのみが利用可能です（登録無料）。
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
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」 第4回
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）
| 目次 |
|---|
あなたにオススメ
著者プロフィール
-
NTTテクノクロス株式会社 IoTイノベーション事業部 第一ビジネスユニット所属。 NTT研究所内でのビッグデータ活用の研究開発に従事し、2012年から顧客企業でのビッグデータ活用、AI技術活用に取組む。NTTテクノクロスでは人にやさしい「みらい」を作るAIファースト活動を拡大中。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
Article copyright © 2020 Sakamoto Masaki, Shoeisha Co., Ltd.
Article copyright © 2020 Sakamoto Masaki, Shoeisha Co., Ltd.
バックナンバー
連載: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」
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
All contents copyright © 2005-2021 Shoeisha Co., Ltd. All rights reserved. ver.1.5