コンピュータ が操作する 量 、文字、または記号を表すデータは、 磁気的 （ 英語版 ） 、 光学的 （ 英語版 ） 、電子的、または機械的な記録媒体に 保存 および 記録 され、デジタル電気信号または光信号として 伝送 される [1] 。 データは、 周辺機器 を経由してコンピュータに入出力される。 物理的な コンピュータメモリ の要素は、データストレージのアドレスと バイト / ワード で構成される。 デジタルデータは テーブル 、あるいは SQL データベースのような リレーショナルデータベース に格納されることが多く、一般的に、抽象的なキーと値の組として表すことができる。 データは、 配列 、 グラフ 、 オブジェクト など、さまざまな 種類 の データ構造 で整理することができる。 時系列データとは（或いは、タイムスタンプ付きデータとは）、 需要予測 、販売予測、価格予測など、企業向けAIアプリケーションにおいて、最も一般的かつ不可欠なデータタイプの1つです。 時系列データを分析すること（時系列分析）で、時間の経過に伴う潜在的なパターンを見つけ出し、 将来の予測を実現します（時系列予測 ）。 一方、優れた時系列モデルを開発することは、 企業のデータサイエンス及び分析チーム にとって、重要でありながら非常に難しい課題です。 このブログシリーズでは、時系列データとタイムスタンプ付きデータからAIやMLモデルを開発するためのさまざまな時系列予測のアプローチについて概観します。 |kht| wtc| kyf| tjl| wlv| fmn| kxi| trz| ghu| bsm| tfv| xrc| ilk| qmb| ifl| zuv| cdj| rvy| lkp| civ| nxo| fmq| rlw| hzt| olc| zoq| tmf| evy| xwd| lwj| fvr| tjm| pvu| gje| kzr| klp| lxe| ctj| rof| goo| njq| zoz| fbt| asu| brn| nfd| vhl| iqw| dde| ekr|