異常検知に役立つ機械学習の基礎知識，異常検知の手法，機械学習（SVM）を利用した異常検知，SVMによる設備診断例について解説する特別セミナー！！
- 講師
青山学院大学 理工学部・経営システム工学科 教授 博士（工学）小野田 崇 先生
- 日時
- 会場
- ※本セミナーはWEB受講のみとなります。
- 受講料
- （消費税等込み）1名：49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名：44,000円
- テキスト
受講概要
受講形式 WEB受講のみ ＊本セミナーはZoomシステムを利用したオンライン配信となります
受講対象講演プログラムに現れる用語を見聞きしたことがあり，かつ， 確率・統計，微分について基礎知識を有している方 予備知識
講演プログラムに現れる用語を見聞きしたことがあり，かつ， 確率・統計，微分について基礎知識を有すること 習得知識
1) 異常検知に利用できる機械学習の基礎知識 2) 異常検知の基礎知識 3) サポートベクトルマシンの使い方
講師の言葉
IoT時代の到来により，現実世界の大規模データをリアルタイムで取得できるようになってきました。これらの大規模データは，異常の予測・検知に役立てられる可能性を秘めてり，この異常の予測・検知の実現によって，大規模システムの安定運用や最適制御、経済的な保守計画を立案することができます。従来，異常検知の技術は信と頼性工学や統計分野で扱われてきましたが，近年の機械学習の発 展を背景に，大量のデータの中に含まれる様々な異常を機械学習アルゴリズムが 発見し，異常を検知する実用的なアプローチが注目されています。
本セミナーでは，様々な異常検知の考え方から，異常検知に利用される基本的な機械学習アルゴリズムとその理論・応用について紹介し，機械学習による異常 検知の全体像をつかむことを目的とします。特に，機械学習としてサポートベクトルマシンについて詳細を学び，その正しい使い方の習得を目指します。
プログラム
1． 異常検知概論 1.1 異常検知とは 1.2 ホテリング理論 2．機械学習概論 2.1 統計学 2.2 機械学習 3. 異常検知に役立つ機械学習の基礎知識 3.1 判別分析(パターン識別) 3.2 回帰分析(回帰予測) 3.3 クラスター分析(クラスタリング) 4．異常検知の手法 4.1 異常識別(教師あり学習) 4.2 外れ検知(教師なし学習) 4.3 変化検知(時系列データ) 5．異常検知に利用される機械学習 5.1 単純ベイズ法 5.2 k-近傍法 5.3 ニューラルネットワーク(ディープラーニング) 5.4 RBFネットワーク 5.5 サポートベクトルマシン 6. 線形サポートベクトルマシン 6.1 線形SVMとは? 6.2 簡単な定式化 6.3 ハードマージン 6.4 データに誤りがある場合のサポートベクターマシン 6.5 ソフトマージン 7．非線形サポートベクトルマシン 7.1 非線形SVMとは? 7.2 簡単な定式化 7.3 カーネル関数 7.4 カーネルトリック 8．1クラスサポートベクトルマシン 8.1 Support Vector Data Description(SVDD) 8.2 1クラスサポートベクトルマシン 9．異常検知 9.1 正規分布の場合 9.2 非正規分布の場合 10. 応用事例 10.1 異常識別 10.1.1 配電柱腕金のさび画像に基づく腕金の再利用診断 10.1.2 油中ガス分析データに基づく電力用変圧器内部異常検知 10.2 外れ値検知 10.2.1 水力発電所における異常予兆検知 11. 異常検知の将来とまとめ 質疑・応答 講師紹介 略歴 1986年3月 国際基督教大学 教養学部 理学科 卒業 1988年3月 東京工業大学大学院 理工学研究科修士課程 原子核工学専攻 修了 1988年4月 （財）電力中央研究所 経済研究所 情報システム部 入所 1997年7月 GMD FIRST(現Fraunhofer FIRST)客員研究員（1年間） 2007年4月 東京工業大学 知能システム科学専攻 連携教授(兼務，6年間) 2012年7月 （財）電力中央研究所 システム技術研究所 副研究参事 情報数理領域リーダー 2016年3月 （一財）電力中央研究所 退職 2016年4月 青山学院大学 理工学部 経営システム工学科 教授に就任 著作 知の科学シリーズ「サポートベクターマシン」 オーム者 「パターン認識と機械学習」（訳）丸善出版 所属学会・協会 人工知能学会 元理事（JSAI2018 全国大会プログラム委員長），シニア編集委員