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).scikit-learnによる機械学習の基本的な手順
(12).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. One-class Support Vector Machine (One-class SVM)
b. Local Outlier Factor (LOF)
c. Isolation Forest (iForest)
(5).時系列データに対する異常検知
" (6).One-class SVM, LOF, Isolation Forest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幹事