時系列データにおける異常検知は、プラントにおける製造過程での利用や種々のデータ解析の前処理としての利用をはじめ、データ解析における様々な場面で必要となる重要な技術です。
　本講義では、統計的機械学習に基づいた異常検知について、その基本的な考え方から、私がこれまで取り組んできたものを含む最新の方法までを、現場の人が使えるまで理解できるように紹介したいと思います。

1. はじめに
   1. 機械学習とは
   2. 機械学習の基本的な問題設定
   3. 異常の種類
   4. 外れ値検知と異常検知
2. 異常検知の基本的な考え方
   1. データを用いた異常検知の流れ
   2. 異常検知における機械学習の役割
   3. 状況の分類と異常検知手法の選択
3. 静的データにおける異常検知
   1. 確率分布を用いた異常判定
   2. 次元削減を用いた方法
   3. サポートベクトルマシンによる方法
4. 時系列データにおける変化点検知
   1. 静的データと時系列データ
   2. 変化点検知の基本的な考え方
   3. 静的データの異常検知手法の変化点検知への拡張
   4. いくつかの変化点検知手法
5. 具体的な応用例
   1. 生産業における応用事例
   2. 医療データにおける応用事例