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 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 データ分析 データ処理 印刷用を表示 ブックマーク ツイート 阪本 正樹(NTTテクノクロス)[著] 2020/12/18 11:00 目次 Page1 AIを用いた時系列データ予測-予測モデルの評価 時系列データの予測モデルを作成する 外れ値を予測するときに起きる問題 Page2 周期的な変動に予測モデルを追従させるときに起きる問題 ディープラーニングにおける、設計・チューニングの重要性 社会から求められる予測モデルの内部構造の説明が難しい おわりに ※この続きは、会員の方のみお読みいただけます(登録無料)。 会員登録(無料) ログインはこちら <<前へ 1 2 連載通知を行うには会員登録(無料)が必要です。 既に会員の方はログインを行ってください。 バックナンバー 印刷用を表示 ブックマーク ツイート あなたにオススメ 著者プロフィール 阪本 正樹(NTTテクノクロス)(サカモト マサキ) 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. 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 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? 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 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 × ログイン Eメール パスワード ※旧SEメンバーシップ会員の方は、同じ登録情報(Eメール&パスワード)でログインいただけます。 × ブックマークを利用するにはログインが必要です 会員登録(無料) ログインはこちら All contents copyright © 2005-2021 Shoeisha Co., Ltd. All rights reserved. ver.1.5