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
- 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。
機械学習を実際に問題解決に利用しようと考えている方。
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)最新の機械学習技術
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。
プログラム
1． 異常検知概論&機械学習概論 1.1 異常検知とは 1.2 機械学習とは 2. 異常検知に役立つ機械学習の基礎知識 2.1 判別分析(パターン識別) 2.2 回帰分析(回帰予測) 2.3 クラスター分析(クラスタリング) 3 異常検知の手法 3.1 異常識別 3.2 外れ検知 3.3 変化検知 4. 機械学習(SVM)を利用した異常検知 4.1 サポートベクターマシンの基礎 4.1.1 線形SVM 4.1.1.1 線形SVMとは 4.1.1.2 簡単な定式化 4.1.1.3 ハードマージン 4.1.1.4 データに誤りがある場合のサポートベクターマシン 4.1.1.5 ソフトマージン 4.1.2 非線形SVM 4.1.2.1 非線形SVMとは 4.1.2.2 簡単な定式化 4.1.2.3 カーネル関数 4.1.2.4 カーネルトリック 5. 応用事例と異常検知の将来 5.1 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 5.2 水力発電所における異常予兆検知 5.3 その他の異常検知と異常検知の将来 6. SVMによる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の実際 6.0 anaconda, pycharmのインストール 6.1 データの読み込み 6.2 プログラムの作成 6.3 プログラムの実行 6.4 SVMの実行 6.5 パラメータ C 6.6 カーネルSVMの実行 7. まとめ 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 （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