～ データサイエンスにおける異常検知の基礎、入出力データ／時系列データに基づく異常検知の実践手法 ～
・データに基づく異常検知の基礎からデータの特徴に合わせた異常検知手法の選択と活用のポイントまで修得し、実務に適用するための講座
・取得したデータに対するPythonを用いた異常検知の実装方法をデモを交えて修得し、業務課題の解決や異常の予兆検知に活かそう！
※セミナー終了後、デモで使用するサンプルプログラムを配布いたします
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
ビジネスの現場で異常が生じると大きな損害が発生する可能性があるため、異常の予兆を検知することが期待されます。異常検知のために活用することを目指してデータを収集している企業は多くあるかと思いますが、実際に活用して業務の改善に役立てるには、大きな乖離があります。その理由として、データを活用した異常検知の実践例が少ないこと、そして実務で得られるデータを使った異常検知の着手が難しいことが挙げられます。
本講座では、受講者が自社で取得したデータで異常検知を実装することができることを目指し、基礎的な考え方と、Pythonを使った実践例を紹介します。データの見える化によって特徴を把握し、特徴に合わせた異常検知手法を選択できるようになることを目指します。受講生にはPythonのコードを配布するため、実務データで異常検知を実践し、業務課題の解決の糸口を見つけることに役立ててください。
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、電気・機械・メカトロ・設備、ソフト・データ・画像・デザイン |
| 受講対象者 |
・データサイエンティストとして、データの計測や解析に携わる方 ・時系列解析の導入を検討している方 ・異常検知のためにデータ収集をしているが上手く活用できていない企業の技術者の方 |
| 予備知識 |
・簡単な統計知識（正規分布、回帰分析程度） ・Pythonを使えること（データの取り込み、簡単な計算程度）が望ましい |
| 修得知識 | ・データの特徴を調べ、特徴に合わせた異常検知手法（One-Class SVM、ARMAモデルなど）を実務に適用できる知識を修得することができる |
| プログラム |
１．異常検知とデータサイエンス （１）．異常検知とは何か （２）．データに基づいた異常検知 （３）．データの見える化 （４）．Pythonを使った実践：データの見える化 ａ． ヒストグラム ｂ．棒グラフ ｃ．散布図 ｄ．散布図行列 （５）．性能評価
２．入出力の情報に基づくアプローチ （１）．通常状態からの乖離に基づく検知：マハラノビスタグチ法 ａ．正規分布の仮定 ｂ．異常度の算出 （２）．過去の傾向からの乖離に基づく検知：k-近傍法 ａ．確率分布の仮定 ｂ．異常度の算出 （３）．特定の構造から外れたデータの検知：One-Class SVM ａ．データを囲む球を考える ｂ．異常度の算出 （４）．Pythonを使った実践：マハラノビスタグチ法とOne-Class SVM ａ．車両の速度と停止距離のデータ（マハラノビスタグチ法） ｂ．ワインの品質データ（One-Class SVM）
３．時系列情報に基づくアプローチ （１）．定常状態の時系列データの異常検知 ａ．前の時点との相関を調べる ｂ．異常度の算出 （２）．非定常状態の時系列データの異常検知 ａ．差分をとって定常状態とみなす ｂ．異常度の算出 （３）．Pythonを使った実践：ARMAモデル ａ．月平均気温の時系列データ（ARMAモデル） |
| キーワード | データサイエンス 異常検知 Ｐｙｔｈｏｎ ヒストグラム グラフ 散布図 入出力データ マハラノビスタグチ法 k-近傍法 One-Class SVM 時系列データ 非定常状態 ＡＲＭＡモデル |
| タグ | 統計・データ解析、精密機器・情報機器、AI・機械学習、カメラ、センサ、音声処理、プラント、画像処理、組み込みソフト、統計・データ、データ分析、計測器、実装、制御、精密機器、設備 |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
