はじめに

この記事では「時系列データ分析の学習をどこから始めたらいいか分からない！」という方でもどこから学習していけばいいか、Node-AI Academy をどのように歩けば良いかを紹介します。

オススメ学習順序

時系列データ分析の初学者におすすめする学習順序は以下の通りです。この順序に従って時系列データに対する分析の理解を進める事で、着実に分析スキルを習得できます。

1. 時系列データ分析の全体像の把握
2. 時系列データの理解と事前準備
3. モデルについて
4. 学習方法
5. 評価方法

それではそれぞれどのように分析したら良いか、どの記事を参照すれば良いか見ていきましょう。

1. 時系列データ分析の全体像の把握

まずは、時系列データ分析の全体像を理解することから着手するとよいでしょう。そのための記事はこちら！

データ分析プロセスの全体像

上記記事でも触れられていますが、ベースラインに対する理解は分析において非常に重要な要素になっています。以下の記事も必ず押さえましょう…!

ベースラインのモデルを正しく評価したい

さらにデータ分析においてゴールや課題の設定も非常に重要な要素です。ビジネス活用も見据えて目標を明確にしましょう。

データ分析におけるゴール・課題の設定

2. 時系列データの理解と事前準備

時系列データ分析の最初のステップとして、データを理解し、それらを解析に適した形に整える必要があります。まず、時系列データがどのようなもので、一般的にどのような特徴を持っているかを抑える必要があります。そこでまずは以下の記事で時系列データの基本的な概念を押さえましょう。

時系列データの基本概念

基本概念が押さえられたら事前準備としてデータの前処理や可視化について学びましょう。データの前処理はデータサイエンティストが行う作業の 8 割が前処理に費やされるという説もあるほど重要な作業です。そんな前処理や可視化を学べる記事がこちらです。

まずは、前処理を考えよう - 初級編 -

カレーライスから学ぶ、データの前処理 - 中級編 -

代表的な可視化手法とその解釈（1）

3. モデルについて

次に、予測を行うためのモデルについて学習する必要があります。 実は世の中で一般的に AI と呼ばれているものはこのモデルです。 まずは時系列データ分析に用いる一般的なモデルについて以下の記事で学習しましょう！

時系列分析で用いる数理モデル

4. 学習方法

それぞれのモデルは事前に用意したデータを用いて学習する必要があるのですが、その学習のためのデータはどう準備するのか、 また精度がどの程度出るかを検証するためのデータはどのように準備すれば良いか？　という点については以下の記事をご参照ください。

ホールドアウト法

5. 評価方法

学習したモデルを実際に運用するためには、当然どの程度予測等の精度が出ているかを評価する必要があります。 評価方法は数多く存在しますが、基本的な評価方法は以下の記事を参照いただくことで学習が可能となっています。

モデル評価(MAE/RMSE)

モデル評価(相関係数/決定係数)

6. 精度向上

最終的な予測等の精度を上げるために生の時系列データをどのように加工すれば精度を高められるか？　というのを知る事です。 この加工のステップを「特徴量エンジニアリング」などと呼ぶのですが、それについては以下の記事をご覧ください。

モデルの精度を上げるには

適切な特徴量を考えてみた (1)

最初から特徴量エンジニアリングを理解できなくても大丈夫です。 実践を重ねていくうちに自然と理解が進んでいくので安心してください…!

おわりに

本記事では主に時系列データ分析初学者がどのように分析について学習していけばよいか、Node-AI Academy を活用していくとよいかを紹介しました。 Node-AI Academy では上記で紹介した記事以外にも様々な記事が存在するので、是非効果的な時系列データ分析のため、ご活用ください。