講座で得られる知識/スキル
- 異常検知に関する基礎知識
- 異常検知モデルをプログラミングする際の基礎技術
- 実務における異常検知問題へのアプローチ方法
受講に必要なスキル・前提知識
前提スキル
- 機械学習に関する基礎知識(現場で使える機械学習・データ分析基礎講座 修了相当)
- Pythonに関する基礎知識(機械学習のためのPython入門講座 修了相当)
- 固有値分解、偏微分、確率・統計の基礎理解(機械学習・ディープラーニングのための基礎数学講座 修了相当)
- データが与えられた時に、前処理から評価までの一連の流れを理解しており、どのようなアウトプットをすべきかを理解している
- 主要なMLアルゴリズムを理解しており、データに応じて適切な手法を選択して実装することができる
講座の特長
異常検知業務をハンズオン
DAY1からDAY4までを通して１つの課題に取り組んでいただき、異常検知業務を模擬体験して頂きます。
一流講師陣による徹底フォロー
講座期間中は、好きな時間に動画で学習ができ、チャットで何度でも講師に質問ができます。
参考書籍
講座概要
| 講座名 | 現場で使える異常検知基礎講座 |
|---|---|
| 受講スタイル |
オンライン講座 |
| 講座時間 |
動画講義12時間(Notebook解説動画含む) |
| 料金 |
275,000円／1名（税込） |
| 料金に標準で含まれるもの |
|
カリキュラム
DAY1
講義 <異常検知入門>
- 異常検知の基本的な考え方
- 正規分布による異常検知
- 混合ガウス分布による異常検知
- 入力と出力があるデータに関する異常検知の基本的な考え方
- 時系列データに関する異常検知の基本的な考え方
- 性能評価の方法
DAY2
講義 <入力のみのデータの異常検知>
- 近傍法による異常検知
- 局所外れ値度による異常検知
- カーネル密度推定による異常検知
- サポートベクトルマシンによる異常検知
- 密度比推定による異常検知
- 主成分分析による異常検知
- 木モデルによる異常検知
- ナイーブベイズ法による異常検知
- 疎構造学習による異常検知
DAY3
講義 <入力と出力があるデータの異常検知>
- 線形回帰による異常検知
- サポートベクトル回帰による異常検知
- ガウス過程回帰による異常検知
講義<時系列データの異常検知>
- 自己回帰による異常検知
- 近傍法による異常検知
- 部分空間法による異常検知
- 状態空間モデルによる異常検知
- 混合隠れマルコフモデルによる異常検知
DAY4
講義 <深層学習による異常検知>
- 深層学習による異常検知の基礎
- 自己符号化器によるアプローチの各手法
- 敵対的生成ネットワークによるアプローチの各手法
- ハイブリッドモデルによるアプローチの各手法
通し課題への取り組み結果の発表
※カリキュラムは変更となる場合がございます。
開催日程
オンライン講座
お客様ご自身のPCにて、ご都合に合わせた時間、場所で動画をオンラインでご視聴いただけます。
随時お申し込み可能です。受講方法については、お支払い確認後、3営業日以内にご案内いたします。
※動画視聴期限は、動画共有日から1年間となります。
講師紹介
-
小縣 信也兵庫県出身。大阪市立大学工学部卒業後、建材メーカー、設備設計事務所に勤務。2010年、OpenFOAM勉強会for beginner(現オープンCAE勉強会＠関東)を立ち上げ3年間幹事を務める。建築環境に関する数値シミュレーション、電力量や温湿度などのセンサーデータに関する分析が専門。1級建築士、エネルギー管理士。2013年、国土交通省国土技術政策総合研究所 優秀技術者賞受賞。 日本ディープラーニング協会主催2018E資格試験 優秀賞受賞、2019#1E資格試験優秀賞受賞。最近は、需要予測や異常検知などのモデル開発に取り組んでいる。
ご案内
PCの動作環境
- MacOSX 10.9 以上
- Windows 8 以上（64bit必須）
- メモリ8GB以上必須
※8GB未満でも受講して頂くことは可能ですが、大きなデータを扱う演習の際に不具合が発生する可能性があります。
メモリ不足が原因の不具合についてはサポートすることができませんので、あらかじめご了承ください。
※容量の大きなデータを課題で扱いますので、より高スペックが望ましいです。
事前準備
Anaconda3-2019.03をインストールし、ブラウザでJupyterNotebookを表示できる状態まで事前に準備お願い致します。
※各自受講開始前までに環境構築をお願いいたします。環境構築等でご不明な点等あれば、事前にご連絡いただければご案内します。
※その他に必要なご準備に関しては、お申し込み後にご案内いたします。
講座監修
-
杉山 将
２００１年に東京工業大学博士課程修了。同大学助手・准教授を経て２０１４年より東京大学教授。２０１６年より理化学研究所革新知能統合研究センター長を併任。統計的機械学習（オーム社, 2009）、イラストで学ぶ機械学習（講談社, 2013）、機械学習のための確率と統計（講談社, 2015）など、機械学習に関する著書多数。講談社機械学習プロフェッショナルシリーズの監修も務める。
