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