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
