時系列解析特論

Advanced Time Series Analysis

994G40A

46MASTS502

岡留　有哉

OKADOME Yuya

2026年度後期

2026年度

②Second semester

火曜5限

Tuesday 5th

工学研究科　情報工学専攻

Department of Information and Computer Technology, Graduate School of Engineering

2.00単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

経済・金融や, 医療・生体, 地球科学, 環境科学, 自然科学等, あらゆる領域において観測される時系列データの統計的手法を学ぶ.  現在, 実際に時系列データ分析を行う際に用いられるアプローチを紹介し, 時系列データ分析の課題に取り組むことで, 実践的な知識の獲得をめざす.

Statistical analysis methods for the time-series data, which is observed in many fields such as finance, medicine, geoscience, and engineering, are learned. The lecture aims to introduce the approaches currently applied in actual time-series data analysis and impart practical knowledge by tackling the problems of time-series data analysis.

実際に時系列データを扱うことで, データの時系列構造を意識した有効なモデルの実装ができるようになることを目的とする.　本講義科目は, 本学科のディプロマ・ポリシーに定める「情報⼯学に必要な基礎学⼒と専⾨知識」を⾝に付けるための科⽬である．

The objective is to implement effective models that are relevant to the actual time-series data. This lecture is designed to enable students acquire the "basic knowledge and expertise necessary for information engineering" as defined in the Diploma Policy of the Department.

時系列データに対し, 近年のアプローチの理解とモデリングができるようになることを到達目標とする.

To understand and implement recent approaches related to time-series data.

本講義では, PCを用いた演習を想定しているため, 準備していることが望ましい.

As all exercises are computer-based, it is necessary to have a personal computer.

グループワーク　Group work／プレゼンテーション　Presentation／実習　Practical learning

-

本講義は時系列データを分析する際にPythonを用いることを想定している.

Python is applied for analyzing time-series data.

出席とレポートから総合的に評価する.

The performance of students is graded based on attendance and submitted reports.

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

N

-

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

必要な参考書は講義内で指示する.

Reference books will be introduced during the lecture.

以下のトピックについて紹介, もしくは輪講をした後, 課題データを提示し, 少人数グループワークを行う.
・時系列解析とは
・自己回帰・移動平均モデル
・Prophetモデル
・回帰モデルの利用
・深層学習モデル（再帰型ニューラルネットワーク）
・深層学習モデル（畳み込みニューラルネットワーク）
・深層学習モデル（Transformer）
なお, 上記内容については多少変更する可能性がある.

After the following topics are introduced or learned in a round lecture, the time-series data will be presented, and a minor group-task will be conducted.
-    About time-series analysis
-    An auto-regressive and a moving average models
-    Prophet model-    Utilizing regression model
-    Deep learning model: Recurrent neural network
-    Deep learning model: Convolutional neural network
-    Deep learning model: Transformer
Note: the above topics may be slightly changed.

岡留有哉：会社員（電機）需給予測などにおける時系列解析の実務経験を活かして講義する．
Yuya Okadome:：Company employee (Electronics manufacturer) development of demand forecasting application.

-

-

Y

N