外れ値検出手法の理論とPythonを使った実行例を解説!

本セミナーはZoomを使ったLIVE配信セミナーです。会場での参加はございません。

セミナー講師

茨城大学 工学部情報工学科 教授 博士(工学)新納 浩幸 氏
【専門】
自然言語処理、機械学習、人工知能
【略歴】
1985年3月 東京工業大学 理学部 情報科学科 卒業
1987年3月 東京工業大学 大学院 理工学研究科 情報科学専攻 修了
1987年4月~1988年4月 富士ゼロックス
1988年5月~1993年3月 松下電器
1993年4月 茨城大学 助手
1997年3月 東京工業大学 博士 (工学)
1997年 茨城大学 講師
2001年 茨城大学 工学部 助教授
2015年 茨城大学 工学部 教授

セミナー受講料

49,500円(税込、資料付)
■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合49,500円、
  2名同時申込の場合計49,500円(2人目無料:1名あたり24,750円)で受講できます。
  備考欄に「会員登録希望」と希望の案内方法【メールまたは郵送】を記入ください。
(セミナーのお申し込みと同時に会員登録をさせていただきますので、
   今回の受講料から会員価格を適用いたします。)

※ 会員登録とは
  ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
  すべて無料で年会費・更新料・登録費は一切掛かりません。

LIVE配信セミナーとは?

・本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
・「ミーティング用Zoomクライアント」をダウンロードするか、ZOOM を
  ダウンロードせず、Web ブラウザから参加するかの2種類がございます。
  ZOOM WEBセミナーのはじめかたをご覧ください。

・お申込み後、受理のご連絡メールをさせていただきます。
 一部メールが通常セミナー形式(受講券、請求書、会場の地図)になっておりますが
 LIVE配信のみのセミナーです。
・お申込み後、接続テスト用のURL(https://zoom.us/test)から
「ミーティングテストに参加」を押していただき動作確認をお願いします。
・後日、別途視聴用のURLをメールにてご連絡申し上げます。
・セミナー開催日時の10分前に、視聴サイトにログインしていただき、ご視聴ください。
・セミナー資料は郵送にて前日までには、お送りいたします。
・ご質問については、オープンにできるご質問をチャットにご記入ください。
 個別相談(他社に知られたくない)のご質問は後日メールにて講師と直接お願いします。
・タブレットやスマートフォンでも視聴できます。
・講義の録音、録画などの行為や、テキスト資料、講演データの権利者の許可なく複製、転用、販売などの二次利用することを固く禁じます。

ご自宅への送付を希望の方は備考欄にご住所などをご記入ください。

セミナー趣旨

外れ値検出とは、概略、大多数のデータとは振る舞いが異なるデータを検出する技術です。本講座では外れ値検出を行う基本的な手法を解説します。問題のタイプから分類し、データ集合の中からの外れ値検出、入出力データからの外れ値検出、時系列データからの外れ値検出の3タイプを扱います。またディープラーニングを利用した外れ値検出手法も概説します。手法の多くは Python を用いて実装されているので、Python を使った実行例も示します。

受講対象・レベル

初心者向けです。現在、外れ値検出のタスクに取り組んでいる、あるいは今後解り組もうとしている研究者や技術者が対象です。また一般教養として、外れ値検出とその手法の概要を知りたい方も対象です。

習得できる知識

・外れ値検出の概要と外れ値検出の各手法の理論が理解できます。
・Python を用いて実際に外れ値検出を行えるようになります

セミナープログラム

1.外れ値検出の概要
  1.1 外れ値検出とは
  1.2 外れ値検出の応用
  1.3 問題のタイプ分け

2.データ集合からの外れ値検出

  2.1 生成確率
  2.2 外れ値の度合い
  2.3 ホテリング理論
  2.4 LOF
  2.5 One Class SVM
  2.6 多次元データの次元縮約による外れ値検出

3.入出力データからの外れ値検出

  3.1 出力値の生成確率
  3.2 出力値の外れ値の度合い
  3.3 関数の推定
  3.4 線形モデル
  3.5 リッジ回帰
  3.6 偏最小2乗法
  3.7 正準相関分析
  3.8 各種モデルの Python による解析例

4.時系列データからの外れ値検出

  4.1 時系列データの外れ値
  4.2 近傍法
  4.3 特異スペクトル変換法
  4.4 自己回帰モデル
  4.5 状態空間モデル
  4.6 各手法の Python による解析例

5.ディープラーニングを用いた外れ値検出

  5.1 AutoEncoder による外れ
  5.2 特徴抽出器による外れ値検出
  5.3 距離学習による外れ値検出