機械学習における異常検知の理解を深めるための

Pythonによる機械学習の基礎と異常検知への応用(PC実習つき)

機械学習の教師なし学習,異常検知の理論や手法,異常検知の応用例について
 Pythonを用いた簡単な実習を交えてなるべく直感的に理解できるように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

日時

2019/11/29(金) 10:00 ~ 17:30

会場

連合会館 (東京・お茶の水)

会場案内
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
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 2019/11/29(金) 10:00 ~ 17:30
会場

連合会館 (東京・お茶の水)

会場案内
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
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)
 ・参考書:「Pythonで動かして学ぶ!あたらしい数学の教科書 機械学習・深層学習に必要な基礎知識」翔泳社
        (初めて機械学習を学ぶ方は読んでおいて下さい)
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PC
 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,
     かなり遅いと思われますので、64ビットを推奨します.

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 3.6 version)
https://www.anaconda.com/download/

※下記somocluにはPython 3.6が必要です.
新規インストールの場合は,Anaconda(Python 3.7)をインストール後,3.6にダウングレードしてください.
ダウングレードの方法は,Anaconda Prompt (Win),もしくはターミナル(Mac)を立ち上げ,
$ conda install python=3.6
を実行するとダウングレードできます.

・somoclu
同様に,Anaconda Prompt (Win),もしくはターミナル(Mac)から
$ pip install somoclu
を実行してインストールしてください.
※サンプルプログラムは事前送付します

講師の言葉
 近年、産業界の様々な領域で機械学習の利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.クラスタリングと可視化
  (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).自己組織化マップ
  (7).自己組織化マップを用いた実習

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
     b.Local Outlier Factor
        c. Isolation Forest
 (6).各種異常検知法を用いた実習

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