あらゆるモノ・コトの情報がリアルタイムに監視できるようになった今、システムや機器の異常を検知し、いちはやく対応する運用が可能になってきました。特に、近年飛躍的な技術進歩を遂げた人工知能・機械学習を用いた異常検知は、熟練した技術者の経験や知識に頼っていた予防保全の自動化を実現する手段として大きく注目されています。
　本講義では、基本的な異常検知の考え方を理解した後、どのような機械学習技術をどのように使って異常検知を実現するか、その原理と特徴について知識を深めていきます。また、人工知能が判断した異常の理由や因果関係を説明する手法を理解します。さらに昨今の高度な人工知能を用いた具体的な事例や論文の紹介を通して、人工知能や機械学習を現実の異常検知問題に応用していく際のポイントをおさえていきます。

1. イントロダクション～講義の概要とゴール
2. 異常検知概論
   1. 異常検知の種類・考え方、問題の性質ごとの選び方
3. 基本的な異常検知アルゴリズム
   1. 異常度と性能指数
   2. 外れ検知、変化検知、コンテキスト検知
   3. 正規分布データの場合、非正規分布データの場合
   4. 高次元データの場合
   5. 統計的手法・距離による手法・ヒューリスティックスによる手法
   6. データの前処理 (ノイズ、欠損への対応)
4. 異常検知に使われる機械学習の基礎知識
   1. 回帰学習による異常検知
   2. 判別学習による異常検知
   3. クラスタリングによる異常検知
   4. ルール抽出による異常検知
   5. 強化学習による異常検知
5. 人工知能による異常検知の実際
   1. NN、SVM、クラスタリング、決定木、強化学習、アンサンブル学習
   2. ディープラーニングを用いた異常検知と因果関係の推定
6. 応用事例・論文紹介
   1. 論文解説 (5,6件)
7. まとめ
• 質疑応答