機械学習の基礎と異常検知への応用 ~ デモ付 ~

~ 機械学習、クラスタリングと可視化、ホテリング理論と非正規データからの異常検知、時系列データからの異常検知への応用技術 ~ 

・機械学習に基づく異常検知の基礎を学び実運用に活かすための技術を修得する講座

 

講師の言葉

 近年、産業界の様々な領域で機械学習の利活用が進んでいますが、実応用においては機械学習の正解情報が明らかなデータばかりではありません。
 その場合、観測データのみから規則性を抽出したり、異常を検出したりすることが重要になります。
 そのような技術として本セミナーでは、機械学習における「教師なし学習」について、また「異常検知」の理論や手法の説明とともにPythonを用いた簡単なデモ・解説を交えて機械学習の理解を深めます。
 これから本格的な勉強を始める前に概要と雰囲気を掴むには最適かと思います。
 最後に異常検知の実施例として、回転機器の振動データに対する異常検知のPythonデモ・解説を行います。
 数式による説明は最低限に留め、なるべく直感的に理解できるにように説明します

セミナー詳細

開催日時
  • 2019年10月25日(金) 10:30 ~ 17:30
開催場所 日本テクノセンター研修室
カテゴリー ソフト・データ・画像・デザイン
受講対象者 ・機械学習・異常検知を業務で利用しようとしている方
・Pythonによる機械学習・異常検知を基礎から学びたい方
・機械学習に取組んで間もない方
・その他、機械学習・異常検知に興味のある方
予備知識 ・高校卒業程度の数学の知識(微分、確率・統計、行列計算等)
・プログラミングの経験(Pythonでなくても良い)
修得知識 ・機械学習・異常検知の概念・考え方
・代表的な教師なし学習の理論的背景とPythonでの利用方法
・機械学習に基づく異常検知の基礎とPythonでの利用方法
プログラム

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

キーワード 機械学習 ディープラーニング 強化学習 教師なし学習 自己組織化マップ 異常検知 時系列データ 非正規データ
タグ 分析AI・機械学習
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
日本テクノセンター研修室
〒 163-0722 東京都新宿区西新宿2-7-1 小田急第一生命ビル(22階)
- JR「新宿駅」西口から徒歩10分
- 東京メトロ丸ノ内線「西新宿駅」から徒歩8分
- 都営大江戸線「都庁前駅」から徒歩5分
電話番号 : 03-5322-5888
FAX : 03-5322-5666
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。
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日