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。
スキルを定着させる実践的な進行スタイル
講義ではグループワークの時間を設けております。受講者どうしで議論することにより、知識を深めます。
一流講師陣による徹底フォロー
講座期間中は、復習用動画での学習ができ、チャットで何度でも講師に質問ができます。
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
- 実務において異常検知問題へアプローチする方法を身につけることができますプログラミング言語レベルで実装する力が身につく
参考書籍
・MLPシリーズ 異常検知と変化検知, 井出,杉山, 講談社
・入門 機械学習による異常検知, 井出, コロナ社
・データマイニングによる異常検知, 山西, 共立出版
講座概要
| 講座名 | 現場で使える異常検知基礎講座 |
|---|---|
| 講座時間 |
・全6回コース：合計18時間 ・全4回コース：合計16時間 ※会場、開催曜日により、どちらかのコースとなります。 |
| 料金 |
・対面講座：¥248,000／1名（税別） ・オンライン講座：¥208,000／1名（税別） |
| 定員 | 15名（最少催行人数10名） |
※最少催行人数に満たない場合は、開講日の1週間前に開催を判断致します。
料金に標準で含まれるもの：
【対面講座】
⑤チャット質問対応
※動画の視聴期限、チャット質問期限はいずれも講義最終日から30日間となります。
【オンライン講座】
①対面講義の録画動画 ②講義資料（Notebookなども含む）
③通し課題の発表に対するコメント（講師とビデオチャットで実施）
随時お申し込み受付中です。お支払い確認後、3営業日以内に講義動画の視聴方法をご案内いたします。
※動画視聴期限は、動画共有日から3ヶ月間となります。
前提知識の目安
機械学習およびPythonに関する基礎知識をお持ちの方が対象です。
- 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
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
グループワーク
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
- サポートベクターマシーンによる異常検知
- 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
グループワーク
DAY3
講義 <入力のみのデータの異常検知>
- 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
講義 <入力と出力があるデータの異常検知>
- 線形回帰モデルによる異常検知
- カーネル回帰モデルによる異常検知
- SVRによる異常検知
- ガウス過程回帰による異常検知
グループワーク
DAY4
講義 <時系列データの異常検知>
- 自己回帰モデルによる異常検知
- 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
グループワーク
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
東京第2期
未定
大阪第2期
未定
オンライン講座
随時お申し込み受付中です。お支払い確認後、3営業日以内に講義動画の視聴方法をご案内いたします。
※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 7 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
Anaconda3-5.1.0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。※各自で必ず当日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。
当日の持ち物
ご自身のノートPC。
※Wi-Fi環境はございますが、繋がりにくい場合はご自身のテザリングをご利用ください。
会場への入場
講義開始の10分前
スケジュール
ご希望の講座にてご確認ください。
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。
