時系列分析のパワーを解き放ち、トレンドを予測し、異常を検出し、業界全体のAI/MLアプリケーションを最適化します。
時系列分析は、長期にわたって収集されたデータポイントのシーケンスを分析するために使用される統計的手法である。主な目的は、データ内の基本的なパターン、傾向、季節性、周期的な要素を理解し、情報に基づいた意思決定や将来予測を行うことである。この技術は様々な分野で基礎となっており、過去のデータを活用して将来の価値を予測する。機械学習(ML)の中でも、特に時間順に並んだデータに特化した専門分野である。
時系列データを理解するには、いくつかの重要な要素を特定する必要がある:
効果的な分析には、欠損値の処理や、ARIMAのような伝統的なモデルの要件である定常性(平均や分散などの統計的性質が時間とともに一定に保たれること)を達成するためのデータ変換を含む、データの前処理技術が必要な場合が多い。
時系列分析には様々な手法が用いられる:
時系列分析は、多くのAIやMLアプリケーションにおいて極めて重要である:
Ultralytics YOLOようなモデルによって実行されるオブジェクト検出や 画像セグメンテーションのようなコンピュータビジョン(CV)タスクとは異なりますが、時系列の概念は、純粋な時系列手法ではなく空間-時間モデルが関与することが多いものの、フレームのシーケンスが経時的に分析されるビデオ分析で交差することがあります。これらのモデルのライフサイクルを管理するには、多くの場合、機械学習オペレーション(MLOps)の原則と、実験とデプロイのためのUltralytics HUBのようなプラットフォームが必要です。MetaのProphetライブラリのようなツールも予測タスクに人気がある。