機械学習・異常検知の基礎,教師なし学習の理論的背景・実運用の指針,
機械学習に基づく異常検知の基礎・実運用の指針について,
事例を踏まえ分かりやすく解説する特別セミナー！！
- 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 人工知能学会 理事
- 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 ＊こちらの セミナーはZoomシステムを使用したオンラインセミナーとなります。
受講対象 ・特に機械系業種 ・機械学習・異常検知に取り組んで間もない方 ・機械学習・異常検知を業務で利用しようとしている方 ・Pythonによる機械学習・異常検知を基礎から学びたい方 など
予備知識
・高校卒業程度の数学の知識
・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
３）機械学習に基づく異常検知の基礎と実運用の指針 など
講師の言葉
昨今のAIブームの火付け役とも言えるディープラーニングは強力な学習手法ですが、
万能ではありません。問題の特性をよく理解して適切な機械学習手法を選択し、適切に
用いることが重要です。
本セミナーでは、機械学習の基本的な概念を解説し、特に要望の多い異常検知の理論
や手法の説明とともにPythonを用いた実装の解説を交えて機械学習の理解を深めます。
さらに、回転機器の振動データを対象とした異常検知や余寿命予測に関する具体的な研究
事例紹介も行います。
機械学習による異常検知および余寿命予測について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。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）．機械学習の基本的な実装（Python解説）
２．機械学習による異常検知
（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）．主要な異常検知法
a．One-class Support Vector Machine
b．Local Outlier Factor
c．Isolation Forest
（５）．各種異常検知法の比較（Python解説）
３．回転機器の振動データに対する異常検知
（１）．微小欠陥検知の事例紹介
（２）．Pythonコード解説
４．回転機器の余寿命予測
（１）．階層ベイズによる余寿命予測
（２）．事例紹介
講師紹介
略歴
2005年～2010年3月 大阪大学産業科学研究所新産業創造物質基盤技術研究センター
特任助手（職名改名により2007年より特任助教）
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
人工知能学会，電子情報通信学会，情報処理学会，進化計算学会，IEEE Computer Society
委員会活動など
人工知能学会理事
電子情報通信学会和文論文誌D幹事