以下の類似セミナーへのお申込みをご検討ください。
■AI活用人材育成講座■『機械学習(ディープラーニング)の基礎・活用・実践<全3回>』
小規模データに対する機械学習の効果的適用法
Pythonによる時系列データ分析とその活用
機械学習によるデータ分析の基礎知識と勘所
機械学習を用いた画像認識技術の基礎とその応用
ベイズ統計から学ぶ統計的機械学習
Pythonではじめる機械学習入門講座
品質工学のMTシステム
機械学習を用いた異常判別・検知手法【大阪開催】
開催日 |
10:30 ~ 16:30 締めきりました |
---|---|
主催者 | (株)R&D支援センター |
キーワード | 機械学習・ディープラーニング 品質マネジメント総合 |
開催エリア | 大阪府 |
開催場所 | 【大阪市中央区】大阪産業創造館 |
交通 | 【地下鉄】堺筋本町駅 |
機械学習を用いて異常状態を検出するための、
種々の判別分析手法や異常検知手法を解説!
講師
滋賀大学 データサイエンス学部 教授 博士(数理学) 笛田 薫 氏
受講料
49,980円(税込)
■ 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47,250円、
2名同時申込の場合計49,980円(2人目無料:1名あたり24,990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。
受講対象・レベル
・異常値を含むデータからの検出方法にお困りの方
・データサイエンスに興味をお持ちの方
習得できる知識
・各種分析手法の特徴、目的、長所短所の理解
・分析ソフトウエアに実装された分析手法の使い分け
趣旨
近年、多くの産業・ビジネスの場面において、特定の対象や集団を認識することや異常状態を検出することが重要になっています。例えば工業製品の良品・不良品の判定は人力では作業量に限界が生じるためコンピュータによる自動化が求められています。このような問題に対し有効とされる機械学習手法が、種々の判別分析手法や異常検知手法です。
そこで本セミナーでは代表的な判別分析手法である線形判別分析や非線形な判別ルールに対応できる2次判別分析、さらには複雑なデータの判別を可能にするサポートベクターマシンについて講義します。また、異常検知手法についてはデータの特性(正規分布、周波数特性、相関)と閾値による異常判別からはじまり、マハラノビスの距離、LOF、one-class SVM、change finderといった分析手法について、その長短所や選択方法も含めて解説します。
プログラム
1.判別と異常検知
1-1 教師あり学習、教師なし学習とは?
1-2 手法の複雑さと過学習
1-3 複雑さの選定
(1) 交差検証法
1-4 判別機の性能評価
(1) ROC曲線
2.異常判別:教師あり学習
2-1 線形判別
2-2 2次判別
2-3 Support Vector Machine (SVM)
(1) ハードマージンとソフトマージン
(2) カーネルトリック
3.異常検知:教師なし学習
3-1 正規分布を用いた異常検知:単変量の場合
3-2 正規分布を用いた異常検知:多変量の場合
(1) マハラノビスの距離
(2) ホテリングのT2法
3-3 Local Outlier Factor
3-4 One Class SVM
3-5 時系列モデルにおける異常検知
(1) 変化点検知
(2) Change Finder
4.まとめ
【質疑応答・名刺交換】
キーワード 機械学習異常検知異常判別