【中止】AIによる時系列データ・画像データでの異常検知【PC実習】

異常検知に使用される機械学習のアルゴリズムなど
基礎的な解説からデータの処理、各種応用事例の最新情報まで
時系列・画像データを用いた実習を通し解説!


第3次ブーム真っ只中の人工知能による異常検知の手法とは?

セミナー講師

横浜国立大学 大学院工学研究院  教授 濱上 知樹 先生
■ご略歴:
 1999年千葉大学大学院自然科学研究科博士課程後期修了。博士(工学)。
 2001年千葉大学自然科学研究科助手、
 2004年横浜国大学立大学院工学研究院助教授、
 2008年同教授。現在に至る。
■専門および得意な分野・研究:
 知能システム、機械学習、人工知能の研究に従事。
■本テーマ関連学協会での活動:
 電子情報通信学会、電気学会、情報処理学会、計測自動制御学会各会員
 電気学会にて、機械学習の応用研究委員会を2つ立ち上げ、産学実応用研究に貢献。

セミナー受講料

1名55,000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44,000円
 *学校法人割引;学生、教員のご参加は31,350円

セミナー趣旨

 人工知能(AI)の実践的応用の中でも、異常検知は幅広い分野で活用が期待される技術です。特に、従来、専門家でないと難しいと言われていた画像や時系列信号の異常検知を、AIで支援しようという試みが増えています。さらには、人間の能力では扱うことが困難な大量のデータや高次の特徴空間に対して、その異常の原因や因果関係の説明、新たな知見の抽出までが可能になりつつあります。  
 本セミナーでは、近年多くの需要・要望が寄せられている人工知能による異常検知について、背景となる基本的な考え方と、異常検知に用いられる様々なAIアルゴリズムを学びます。そして、時系列情報と画像からの異常検知を題材にした、具体的なコードの実行によって理解を深めてまいります。

セミナープログラム

実習で使用するPCについて:
 PCは弊社でご用意致します。
 ご自身のPCで実習をすることはできかねます、ご了承ください。
1.環境構築
2.異常検知概論
3.異常検知のための統計基礎
  A.正規分布とt検定
  B.単純ベイズ推定

4.異常検知のための特徴抽出
  A.時系列データの特徴抽出
  B.画像データの特徴抽出
  C.距離
  D.PCA
  E.クラスタリング

5.異常検知アルゴリズム
  A.k近傍法, LoF
  B.isolation forest
  C.One class SVM
  D.オートエンコーダ
  E.GRU(LSTM)

6.高度な異常検知と応用事例
  A.Deep learning 特徴抽出
  B.ano-GAN
  C.強化学習

7.まとめ【座学】
それぞれの演習の中では、時系列データ、画像データをつかった事例を扱います。

★過去、同講師によるセミナーを受講された方の声(一例):
 ・概要や、手法を広く、わかりやすくお教えいただきました。
 ・数式を多用せず、図などで説明して頂き、直感的に理解しやすかったです。復習し、実際に現場でデータに適用してみます。
 ・わかりやすく、非常に役に立った。自身の知識不足により理解にいたらない点もあり、3日くらいかけた講習でも受講したいと思う。
 ・大変参考になりました。ありがとうございました。
 ・濱上先生の説明はとてもわかりやすく、これまでなんとなくしかわかっていなかったことについてしっかり理解できる機会となりました。ありがとうございました。
 ・具体例の水準が高かったです。参考になりました。