～ データに基づく異常検知の基礎とデータの見える化による特徴抽出手法、取得データの特徴に合わせた異常検知手法の選択のポイントと実践事例 ～
・自社で取得したデータの特徴を見える化し、適切な異常検知手法を選択・実装することで、データの効果的な活用と業務課題の解決に活かすための講座
・単純に異常値（外れ値）と予測・判別するだけでなく、異常と誤判別された正常データを見つけ出し誤検出を抑えるためのノウハウを修得し、異常検知の予測精度を向上させるためのセミナー！
※デモで使用するPythonの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。
製造を初めとしたビジネスの現場では、異常が生じると製造ライン全体を止めるような大きな損害につながる可能性があるため、異常が発生する前に予兆を検知することが求められます。異常検知を目指してデータを収集している企業は多いかと思いますが、実際に業務の改善に役立てるためには、大きな障壁があります。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に対する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に対して異常検知を実装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。受講者の方には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いただけますと幸いです。
| 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 |
・データサイエンスの勉強を始めた方やこれから始める技術者・研究者の方 ・データの計測やAIを用いた解析に携わる方 ・異常検知用に限らず、収集しているデータを上手く活用したい企業の技術者の方 ・自社の異常検知の手法が正しいか悩んでいる方や精度を向上させたいと考えている方 |
|
| 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 |
・データの特徴の調べ方、特徴に合わせた異常検知手法（One-Class SVM、ARMAモデルなど）を修得できます ・異常／正常を予測するだけでなく、実際の実務にどう活かすか、どう適用できるかを考えることができるようになります |
|
| プログラム |
|
|
| キーワード | データサイエンス 異常検知 Ｐｙｔｈｏｎ マハラノビスタグチ法 k近傍法 クラスター分析 One-Class SVM 時系列データ 非定常状態 ＡＲＭＡモデル パラメータ推定 | |
| タグ | 統計・データ解析、精密機器・情報機器、AI・機械学習、コンテンツ、セキュリティ・暗号、ソフト品質、センサ、組み込みソフト、機械、ITサービス、工作機、制御、設備、電子機器、電装品 | |
| 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。 |
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
