課題解決、品質向上、技術向上のセミナーならTH企画セミナーセンター

機械学習や異常検知の概要や雰囲気を掴むための

Pythonによる機械学習の基礎と異常検知への応用(PC演習つき)

エレクトロニクスソフトウェア化学機械

機械学習の基礎,代表的な教師なし学習の実運用の指針,異常検知の理論や手法について
 Pythonを用いた簡単なPC実習を交えて機械学習の理解を深め最後に異常検知の応用例を紹介する特別セミナー!!

講師

大阪大学 産業科学研究所 准教授 博士(情報科学) 福井 健一 先生

日時
会場

連合会館 (東京・お茶の水)

会場案内

Googlemapでの表示はこちら

受講料
(消費税等込み)1名:48,600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:43,200円
テキスト

受講概要

受講対象

 ・全業種
 ・技術開発部門
 ・入社数年から中堅社員

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)

習得知識

 1)機械学習・異常検知の基礎
 2)代表的な教師なし学習の理論的背景と実運用の指針(PC実習を通して)
 3)機械学習に基づく異常検知の基礎と実運用の指針(PC実習を通して)

持参品

 ノートパソコン(Windows7,8,10,MacOSX対応可)64ビット推奨
 ※32ビットの場合 32ビット版Anacondaをインストール(ただしかなり遅いと思われます)

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を用いた簡単な実習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。最後に異常検知の応用例として、
回転機器の振動データに対する異常検知の研究事例を紹介します。
 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。また、サンプルプログラムに
関しても解説を行います。

ソフトウェアの事前入手方法

 実習に使用するノートPCに以下のソフトを事前インストールお願いします
 ・Anaconda (Python 3 version)
 https://www.anaconda.com/download/
 ・somoclu(自己組織化マップのPythonパッケージ)
 Anacondaをインストール後,Anaconda Promptを起動し,
 > pip install somoclu
 でインストール

 ※ ファイアウォールなどでpipでインストール出来ない場合は,下記を参考にgitからソースコードをダウンロードしてインストールしてださい.
 https://somoclu.readthedocs.io/en/stable/download.html

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).k-近傍法を用いた実習:機械学習の基本的な手順の確認

2.教師なし学習(1):クラスタリング
  (1).クラスタリングとは?
  (2).階層型クラスタリング
  (3).k-meansクラスタリング
  (4).ガウス混合モデルによるクラスタリング
  (5).クラスタリング妥当性指標
  (6).k-means法を用いた実習

3.教師なし学習(2):可視化と自己組織化マップ
 (1).可視化の形式化
 (2).古典的な可視化法
     a.主成分分析による可視
     b.多次元尺度構成法による可視化
     c.Sammon’s mapping
 (3).グラフによる埋め込み法
 (4).自己組織化マップの概要
 (5).自己組織化マップのアルゴリズム
 (6).自己組織化マップを用いた実習

4.異常検知
 (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.k-近傍法
     b.One-class Support Vector Machine
     c.Local Outlier Factor
 (5).時系列データに対する異常検知
 (6).Local Outlier Factorを用いた実習

5. 異常検知の応用例紹介
  ・ 回転機器の振動データに対する異常検知

講師紹介

・略歴
2010年 博士号(情報科学)取得 (大阪大学)
2010年4月〜2015年6月 大阪大学産業科学研究所第1研究部門(情報・量子科学系)・助教
2015年7月〜現在    同 准教授

・所属学会
IEEE Computer Society,人工知能学会,情報処理学会,電子情報通信学会,進化計算学会

・役職
New Generation Computing, Editorial Board
電子情報通信学会和文論文誌D 編集委員
電子情報通信学会人工知能と知識処理専門委員会委員
情報処理学会論文誌「数理モデル化と応用」編集委員

関連セミナー

業務でAIを有効活用するための機械学習・ディープラーニングの基礎とAIの産業応用~深層学習とその問題点・解決策・今後のAIなど~

エレクトロニクスソフトウェア化学機械

開発時の安全係数と量産展開時の規格値決定法(PC演習付き)

エレクトロニクス機械

機械学習(深層学習)による画像認識技術の仕組みと最新動向

エレクトロニクスソフトウェア化学医薬機械

フレームワークによる機械学習及びディープラーニングの基礎と実践

エレクトロニクスソフトウェア化学機械

人工知能の最新技術と応用そして今後の動向

エレクトロニクスソフトウェア化学機械

ディープラーニング手法による異常検知と製造加工業への応用展開 ~品質検査(表面・外観検査)、故障診断、欠陥・寿命予測等~

エレクトロニクスソフトウェア機械

製造業における実用化レベルの「人工知能」導入&活用方法~エンジニアリングにおける人工知能の導入事例と最適活用法~

エレクトロニクス機械

機械学習及びディープラーニングの業務課題への対応(PC演習付き)

エレクトロニクスソフトウェア化学機械

機械学習による異常検知の基礎と応用事例

エレクトロニクス化学機械