統計解析と機械学習による異常検知

異常検知や故障予知、劣化予測をするために必要な知識とは？

統計や機械学習の基本知識に加え、データの有無にかかわらず
ケースごとに異常検知の方法を解説

翌週のPython実習つき異常検知セミナーとのお得なセット割引も

セミナー講師

滋賀大学　データサイエンス学部　教授　笛田 薫 先生

■ご略歴：
　九州大学理学部数学科助手
　岡山大学環境理工学部講師
　岡山大学大学院環境生命科学研究科准教授
　滋賀大学データサイエンス学部教授
■専門および得意な分野・研究：
　数理統計学、統計的モデリング
■本テーマ関連学協会での活動：
　応用統計学会：理事
　日本計算機統計学会：理事
　日本統計学会：理事

セミナー受講料

『統計解析と機械学習による異常検知（12月6日）』のみのお申込みの場合
　　1名47,300円(税込（消費税10％）、資料・昼食付)
　　＊1社2名以上同時申込の場合、1名につき36,300円

『【Python実習つき】統計解析と機械学習による異常検知（12月13日）』と合わせてお申込みの場合
　　（同じ会社の違う方でも可。※二日目の参加者を備考欄に記載下さい。）
　　1名72,600円(税込み（10％）、資料付)
　　＊1社2名以上同時申込の場合、1名につき61,600円
　　⇒割引は全ての受講者が両日参加の場合に限ります 　
　＊学校法人割引；学生、教員のご参加は受講料50％割引。
※申し込みの際、備考欄に『【Python実習つき】統計解析と機械学習による異常検知（12月13日）』とご記入ください。

セミナー趣旨

データから、常とは異なるものを発見する「異常検知」のさまざまな手法について、複雑な数式は使わずに、その考え方、手法の使い分け、実行方法について解説します。

受講対象・レベル

・異常値を含むデータをお持ちで、その中からのデータから異常の検出方法にお困りの方
・最近の機械学習手法の概略に興味のある方
・異常検知を取り入れたいとお考えの方

必要な予備知識

・特に必要ありません。

習得できる知識

・異常検知のための各手法の考え方と使い分け
・誤検知確率の評価と対処法

セミナープログラム

1. 異常検知を行う際に必要な機械学習と統計の基礎知識
　1) 統計と機械学習
　2) データ活用のプロセス
　3)教師あり学習と教師なし学習
　4)回帰モデル
　　a)訓練データと評価データ
　　b)交差検証法による変数選択
　　c)多重共線性による悪影響とその対処法
　5)決定木
　6)クラスタリング

2.異常検知の考え方
　1)異常例のデータがある場合とない場合
　　a)異常例のデータがある場合:判別分析
　　b)異常例のデータがない場合:外れ値検出
　2)異常例が少ない場合：ベイズの公式
　　異常例が少ないと生じる問題とその対処法
3) 異常度の決定：性能評価と閾値の設定
　a) 閾値設定のポイント
　　b)正常標本精度
　　c)異常標本精度
　　d)ROC曲線

3.機械学習・統計による異常検知の各種手法、およびそれぞれの応用事例
　1)判別分析
　　a)ロジスティック回帰
　　b)線形判別と2次判別
　　c)サポートベクターマシン(SVM)
　2)外れ値検出
　　a)正規分布を用いた単変量異常検知
　　b)多変量異常検知：マハラノビスの距離とホテリングのT2法
　　c)One Class SVM

4. まとめ