1．  機械学習の基礎と概要

　（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とポイント

　　　　　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．異常検知の基礎と応用

      ・各種異常検知法の比較とPythonデモ

　（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）．Pythonデモ・解説３：

          ・各種異常検知法の比較

３．回転機器の振動データに対する異常検知

  （１）．研究事例紹介

　（２）．Pythonデモ・解説４：

　　　　・振動データに対する各種異常検知の比較

４．回転機器の余寿命

　（１）．ベイズ学習に基づく余寿命予測の概要

　（２）．研究事例紹介