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）．機械学習の分類

（４）．教師あり学習

　　　a．識別

　　　b．回帰

（５）．教師なし学習

　　　a．クラスタリングと表現学習

　　　b．パターンマイニング

（６）．半教師あり学習

（７）．深層学習（ディープラーニング）

（８）．強化学習

２．機械学習の基本的な手順と実装方法

（１）．データセット

（２）．前処理

（３）．主成分分析による次元圧縮

（４）．バイアスとバリアンス

（５）．クロスバリエーション

（６）．簡単な識別器：ｋ‐近傍法

（７）．評価指標：正答率、Ｆ値、ＲＯＣ曲線

（８）．（プログラム解説）ｋ‐近傍法を用いた識別

３．異常検知とＰｙｔｈｏｎによる実装

（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）．Ｏｎｅ‐ｃｌａｓｓ　Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ

（５）．Ｌｏｃａｌ　Ｏｕｔｌｉｅｒ　Ｆａｃｔｏｒ

（６）．Ｉｓｏｌａｔｉｏｎ　Ｆｏｒｅｓｔ

（７）．深層学習による異常検知

（８）．（プログラム解説）各種異常検知法の比較

４．異常検知法による転がり軸受けの欠陥検出

（１）．振動加速度からの軸受の微小欠陥検出（研究事例紹介）

（２）．軸受の欠陥検出における各種異常検知法の比較（プログラム解説）