受講形式 WEB受講のみ ＊本セミナーは、Zoomシステムを利用したオンライン配信となります。 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 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・異常検知の基礎知識 ２）Pythonによる実装方法 ３）異常検知の実データへの適用方法 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、機械学習全般に共通する基本的な概念、そして特に要望の多い異常検知の理論や手法を解説します。 Pythonについても基本的な構文から説明し、機械学習ライブラリとして有名なscikit-learnを用いた実装の解説し、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に関する講演者の具体的な研究事例紹介ならびに関連するコード解説も行います。機械学習による異常検知について、これから本格的な勉強もしくは導入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。 受講者の声 ・難しい内容をかみ砕いてご説明いただけたため、初心者にもわかりやすい内容でした。 ・実際にコードが資料についているため参考になりました。ありがとうございました。 ・Pythonはこのセミナーで初めて触れたのですが、やや専門的な箇所があり完璧には理解出来ませんでした。しかし、復習し習得すれば活用できる内容だと思いますので、今後もいただいた資料を活用したいと思います。
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）機械学習の分類 （４）教師あり学習 ａ．識別 ｂ．回帰 （５）教師なし学習 ａ．モデル推定 ｂ．パターンマイニング （６）半教師あり学習 （７）深層学習（ディープラーニング） （８）強化学習 （９）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 ２．Pythonの基礎と機械学習の実装方法（Python解説） （１）Pythonの基本的構文 （２）Scikit-learnを用いた機械学習の実装方法 （３）k近傍法による識別 ３．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） ４．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 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 学会等 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
