異常検知は幅広い分野で活用が期待される技術です。従来、人でないと難しいといわれていた専門的な異常検知を、AIによって代替させようという試みが増えています。さらに、人間の能力では扱うことが困難な大量のデータや高次の非線形特徴空間に対して、その原因や因果関係の説明、新たな知見の抽出まで可能になりつつあります。今後は単独の異常検知機能ではなく、システムや製品の一部としてAIによる異常検知が組み込まれるようになっていくでしょう。
　本セミナーでは、近年多くの需要・要望が寄せられている人工知能による異常検知について、背景となる基本的な考え方と、古典的なアルゴリズムの理解を深め、さらにAIによる高度な異常検知の基礎とアルゴリズム、応用例をPythonによる実習を通して学んでいきます。

1. Python実習環境の準備
2. 異常検知概論
3. 異常検知のための特徴抽出
   1. 時系列データの特徴抽出
   2. 画像データの特徴抽出
   3. 特徴と距離
      1. 様々な距離の定義
      2. 高次特徴空間における球面集中現象
4. 統計的異常検知の基礎
   1. 正規分布とカイ二乗分布
   2. マハラノビス距離とPCA
5. 古典的な異常検知
   1. k近傍法 (KNN)
   2. 局所外れ値因子法 (LOF: Local Outlier Factor)
   3. ABOD: Angle Based Outlier Detection
   4. 特異スペクトル解析法
   5. ヒストグラム法
   6. クラスタリング
6. AIによる異常検知の考え方とよく使われるアルゴリズム
   1. One class SVM
   2. オートエンコーダ (AE: Auto Encoder)
   3. VAE (Variational Auto Encoder)
   4. isolation forest
   5. LSTM
   6. Deep learning (CNN)
   7. リザバーコンピューティング
   8. ano – GAN
7. 応用事例
8. まとめ