2024年1月10日
こんにちは。
今回は12月の勉強会についての記事です!
「時系列予測方法」と「ECサイトについて学ぼう」についてのお話です。
時系列予測は時間の経過に沿って変化するデータを解析し、将来を予測することです。
ここで、具体的な例から問題を理解しましょう。
1949年から1957年までの各月の航空機利用者数をカウントしたもので、これを用いて1958年から1960年の2年間の各月の航空機利用者数を予測します。
一般的に使われている方法は、主に統計モデル、隠れマルコフモデル、機械学習モデルとディープラーニングモデルに分けられます。
問題によってモデルを使い分けて使用します。
一般的なアプローチは同じ時点の異なるデータをベクトルとして扱い、tokenを作り、それをネットワークに入れます。
この作業を行わないと変数間の相関関係が失われる恐れがあります。
Transformerはこの順序を正確に捉えることが難しいです。
iTransformerの提案:逆転させる
各変数の全タイムスタンプのデータを1つのトークンとして組み込むアプローチを取り入れています。
時系列データのエンコーディングのためにfeed forwardを使用しています。
このようなアプローチは、transformerのネットワークの各部分を活用します。ベクトル間の関係を見つけるのが得意なものは、多変数間の関係を見つけに行きます。
そして予測部分は普通の線形層に与えれば十分です。
こうすることで、ネットワークの各部分がモデルの有効性を高めることができます。
今年、自社はPovoMartを開発しました。
競合ECサイトの調査です。
サービスの特徴や価格の調査をしました。
Salesforce上に導入するパッケージです。
機能はここです。
自社の強み 弱みは
強み
①SFとの連携によるセキュリティの信頼性、CRMを活用した販売力
②既に一定量の販売が見込まれるB2Bの特定顧客に絞ったターゲティング
③受発注、カタログ更新、問い合わせ対応等に特化した受発注管理のシンプルなソリューション機能
弱み
①決済システムや分析ツールとの連携がない
②サポート体制が整っていない
③UIが簡単にカスタマイズできない
2023年の勉強会はここまでです!
【イベント関連記事】