現場で使える異常検知基礎講座

現場で使える異常検知基礎講座

異常検知に関する基礎知識とプログラミング方法を講義とハンズオンを通して学べる講座です。

公開日:2018.11.04
データに潜む異常をいち早く発見できることは、不良品や故障、不正アクセスなどの様々なリスクを回避できることにつながります。様々な異常を発見するために活用できるのが異常検知という技術です。異常検知の応用範囲は、生産ライン、システム運用、セキュリティ、マーケティング、など多岐にわたるため、異常検知技術を身につけることで、データ分析者としての活躍の場をより一層広げられることになります。

講座で得られる知識/スキル

  • 異常検知に関する基礎知識を身につけることができます
  • 異常検知モデルをプログラミングする際の基礎技術が身につきます
  • 実務における異常検知問題へのアプローチ方法が身につきます

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
お好きな時間、お好きな場所でeラーニング形式の講義を受講いただけます。

講座時間

合計12時間

料金

オンライン講座
 250,000円/1名(税別)

料金に標準で含まれるもの

①学習用動画 (約8時間)
②Notebook解説動画 (約4時間)
③講義資料(Notebookなども含む)
④通し課題の発表に対するコメント(講師と個別ビデオチャットで実施)
⑤チャット質問対応

前提知識 ●機械学習およびPythonに関する基礎知識をお持ちの方
●固有値分解、偏微分、確率・統計の基礎を理解している( 基礎数学講座修了レベル)
●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

カリキュラム

DAY1DAY2DAY3DAY4

DAY1

講義 <異常検知入門>

  1. 異常検知の基本的な考え方
  2. 正規分布による異常検知
  3. 混合ガウス分布による異常検知
  4. 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
  5. 時系列データに関する異常検知の基本的な考え方
  6. 性能評価の方法

DAY2

講義 <入力のみのデータの異常検知>

  1. 近傍法による異常検知
  2. 局所外れ値度による異常検知
  3. カーネル密度推定による異常検知
  4. サポートベクトルマシンによる異常検知
  5. 密度比推定による異常検知
  6. 主成分分析による異常検知
  7. 木モデルによる異常検知
  8. ナイーブベイズ法による異常検知
  9. 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>

  1. 線形回帰による異常検知
  2. サポートベクトル回帰による異常検知
  3. 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>

  1. 自己回帰による異常検知
  2. 近傍法による異常検知
  3. 部分空間法による異常検知
  4. 状態空間モデルによる異常検知
  5. 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>

  1. 深層学習による異常検知の基礎
  2. 自己符号化器によるアプローチの各手法
  3. 敵対的生成ネットワークによるアプローチの各手法
  4. 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3ヶ月間となります。

 

講師紹介

  • 小縣 信也
    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

    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。

     

FAQ

対面講座の実施はありますか?

現時点で実施の予定はございません。オンライン講座の受講をぜひご検討ください。

動画の視聴期限はいつまでですか?

動画共有日から3ヶ月間です。

チャット質問期限はいつまでですか?

動画共有日から3ヶ月間です。

講座共通のFAQ

最終更新日:2020.11.16

関連する講座

Page Top
お申し込みはこちら