機械学習・異常検知の基礎,クラスタリングの理論・実運用についてPythonを用いたPC実習を交えて
数式を最低限に留めて解説し、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
- 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)クラスタリング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 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/ PCの使用環境: 1)「Windows 7, 8, 10, Mac OSX」のいずれでも構いません. 2)32ビットの場合は32ビット版Anacondaをインストールして頂けば一応動きますが,なり遅いと思われますので、 64ビットを推奨します.
講師の言葉
近年、産業界の様々な領域で機械学習の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。
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.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.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 4. 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