• 2019年10月25日(金) 10:30 ~ 17:30

１． 機械学習の概要
（１）．ビッグデータ時代
（２）．機械学習とは？
（３）．最近の例
（４）．機械学習の分類
（５）．教師あり学習
　　　ａ．識別
　　　ｂ．回帰
（６）．教師なし学習
　　　ａ．モデル推定
　　　ｂ．パターンマイニング
（７）．半教師あり学習
（８）．深層学習（ディープラーニング）
　　（９）．強化学習
　　（１０）．機械学習の基本的な手順
　　　　　ａ．前処理
　　　　　ｂ．次元の呪い
　　　　　ｃ．主成分分析による次元圧縮
　　　　　ｄ．バイアスとバリアンス
　　　　　ｅ．評価基準の設定：クロスバリエーション
　　　　　ｆ．簡単な識別器：k-近傍法
　　　　　ｇ．評価指標：F値、ROC曲線
　　（１１）．Pythonデモ・解説１
　　　　　　・scikit-learnによる機械学習の基本的な手順
　　（１２）．Pythonデモ・解説２
　　　　　　・K-近傍法による識別

２． クラスタリングと可視化
（１）．階層型クラスタリング
（２）．k-meansクラスタリング
（３）．ガウス混合モデルによるクラスタリング
（４）．クラスタリング妥当性指標
（５）．自己組織化マップによる高次元データの可視化
（６）．Pythonデモ・解説３
　　　・自己組織化マップによる可視化

３． 異常検知への応用
（１）．異常検知の基本的な考え方
（２）．性能評価の方法
（３）．ホテリング理論による異常検知
（４）．非正規データからの異常検知
　　　a. One-class Support Vector Machine (One-class SVM)
　　　b. Local Outlier Factor (LOF)
　　　c. Isolation Forest (iForest)
（５）．時系列データに対する異常検知
（６）．Pythonデモ・解説４
　　　・各種異常検知法の比較

４． Pythonデモ
・回転機器の振動データに対する異常検知
・実機による適用事例と解説

２． クラスタリングと可視化
（１）．階層型クラスタリング
（２）．k-meansクラスタリング
（３）．ガウス混合モデルによるクラスタリング
（４）．クラスタリング妥当性指標
（５）．自己組織化マップによる高次元データの可視化
（６）．Pythonデモ・解説３
　　　・自己組織化マップによる可視化

３． 異常検知への応用
（１）．異常検知の基本的な考え方
（２）．性能評価の方法
（３）．ホテリング理論による異常検知
（４）．非正規データからの異常検知
　　　a. One-class Support Vector Machine (One-class SVM)
　　　b. Local Outlier Factor (LOF)
　　　c. Isolation Forest (iForest)
（５）．時系列データに対する異常検知
（６）．Pythonデモ・解説４
　　　・各種異常検知法の比較

４． Pythonデモ
・回転機器の振動データに対する異常検知
・実機による適用事例と解説

日本テクノセンター研修室