こんにちは。NRI 向後と申します。 この度、Solafuneで開催された「衛星画像から太陽光パネルを検出するコンペティション」に参加しました。 再生可能エネルギーの普及が進む中、太陽光パネルの正確な設置場所や設置領域を把握することはエネルギー供給の計…
Part2 特徴量エンジニアリング 前回の振り返り... パート1では、実践的な多変量時系列予測モデルを構築するためのアプローチを紹介し、過去のKaggleコンペティション のデータセットを用いて、ベースラインとなるSeasonal Naiveモデルを作成しました。 今回のパート2では特徴量エンジニアリングを扱います。 時系列データの特徴量エンジニアリング NRIデータサイエンスブログへようこそ!NRIのデータサイエンティスト、時系列予測プラクティスチームのSatyakiです。 パート2では、特徴量エンジニアリング、特に時系列のMLモデルのトレーニングに使用される特徴量について説明します。 ARIMAやExponential Smoothingなどの伝統的な時系列モデルと異なり、機械学習モデルはクロスセクションデータを用いて学習させるため、それぞれの学習用サンプルは独立していると考えられま
講座内容 オープンデータである統計データを活用したデータサイエンスをわかりやすく解説します。 今、様々な意思決定の場で、統計的な思考力によって様々な課題を解決していく能力、すなわち“データサイエンス”力の高い人材が求められている。本コースでは“データサイエンス”力の向上を目指し、事例なども踏まえ、e-Stat(政府統計の総合窓口)、jSTAT MAP(地図で見る統計)、API機能等を使い、統計オープンデータを活用したデータ分析の基本的な知識を習得する。 コースは4つの部分に分かれている。第1週では、e-Stat(政府統計の総合窓口)の統計データを活用したデータ分析の事例、e-Statの基本的な活用方法を学ぶ。第2週では公的統計データの基本事項及び読み方を学ぶ。第3週では、統計データと地図を組み合わせた活用方法を学ぶ。第4週では、講座全体のまとめと、統計API機能の仕組みや具体的な活用事例等
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
処理を実行中です
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