IoTセンサーデータのお手軽な予兆分析(時系列データの自動機械学習と自動特徴量作成)

2022/04/13(水)18:30 〜 19:30 開催
ブックマーク

イベント内容

概要

データサイエンスに関する雑談を通して、すいすいデータサイエンスを推進できるような知見を貯めていくオンライン雑談会

GRIの分析官リーダー他が参加してテーマについてお話します
参加無料、お気軽にご参加ください

内容

第29回「IoTセンサーデータのお手軽な予兆分析(時系列データの自動機械学習と自動特徴量作成)」

総務省の「令和元年版 情報通信白書(※1)」では、2020年代には約450億台のIoT機器がインターネットに接続されると予測しており、データ活用の可能性が拡大しています。一方、IoTで取得できるデータの多くを占めるセンサーデータは時系列データであり、超大規模な時系列データを人が効率的に理解できるようにするためには、技術力が必要な分野になります。

今回のすいすい会では、自動機械学習を用い、センサーデータを利用したイベント予測の初手をお伝えします。典型的なシナリオは、「ある特定のイベントの予兆としてセンサーデータに特定の波形が存在することを確かめたい」というものです。予兆の波形パターンが分かれば、あとはその予兆を検知し、様々な対応策を打つことができ、予兆からイベントの原因を推測することも可能な場合があります。一方、予兆の可能性のある波形のパターンは無数に考えられるため、それらのデータを大量に用意することは、自動機械学習を利用する際のボトルネックになります。このボトルネックを解消するために、センサーデータのような時系列の波形データに対する自動特徴量生成ライブラリtsfresh(※2)を使った一連の手順をご紹介します。

  • センサーデータから得られる生データを用意
  • tsfreshを利用して特徴量を自動生成
  • 自動生成された特徴量を自動機械学習(例:ForecastFlow)へ入れ予測モデルを構築

具体的な事例として、車が通過した地面の状態を加速度センサーのみで予測するタスクを紹介します。予測する地面の状態は「横断歩道」、「ロードマーカー」、「パンプ」、「道路のつぎはぎ」の 4種類です。tsfreshと ForecastFlowを組み合わせることで、初心者でも、簡単に、素早く予測を行うことができるということを実感していただければ幸いです。

(※1)https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r01/pdf/
(※2)https://tsfresh.readthedocs.io/en/latest/

ナビゲーター

古幡征史
Ph.D in Computer Science
所属: 株式会社GRI 取締役
経歴: GRIにて50以上のAI, BI, 分析基盤構築プロジェクトをリード
KPMGコンサルティング、University of Southern California、ドワンゴを経て、2016年9月より現職

スケジュール

2022年4月13日(水)18:30~19:30

参加方法

時間になりましたら、下記ZoomURLよりご自由にご参加ください

ZoomURL:
https://zoom.us/j/96152836275
ミーティング ID: 961 5283 6275

※Zoomミーティングにて行います
Zoomの表示名変更が必要な方は、入室の前に変更をお願いいたします

参加対象

データサイエンスに関心のある方

参加費

無料

情報共有コミュニティ

〇自由にご参加いただけるSlackを用意しています
実践的に機械学習を活用するための議論やノウハウの共有を目的としています
すいすい会の内容についても活発に議論できればと思います
Slackはこちら

〇GRIのTwitterでもデータサイエンス関連の情報をつぶやいています
Twitterはこちら

過去のすいすい会

スライド資料はこちら

動画アーカイブはこちら

個人情報の取扱いについて

主催:株式会社GRI

申し込み時にご提供いただいた情報は、イベント受付管理や各種ご案内(サービス・イベント等)に利用させていただきます

注意事項

※ こちらのイベント情報は、外部サイトから取得した情報を掲載しています。
※ 掲載タイミングや更新頻度によっては、情報提供元ページの内容と差異が発生しますので予めご了承ください。
※ 最新情報の確認や参加申込手続き、イベントに関するお問い合わせ等は情報提供元ページにてお願いします。

関連するイベント