CPS/IoT時代の到来により、現実世界の大規模データをリアルタイムで取得できるようになってきました。これらの大規模データから異常を予測・検知することで、大規模システムの安定運用や最適制御、経済的な保守計画を立てることができます。従来、異常検知の技術は信頼性工学や統計分野での検討が主流でしたが、近年の機械学習の発展を背景に、大量の高次元データの中に含まれる様々な異常をアルゴリズムが学習し、予測・発見する実用的なアプローチが注目されています。
　本セミナーでは、異常検知の考え方から、異常検知に利用される基本的な機械学習アルゴリズムとその理論・応用について紹介し、機械学習による異常検知の全体像を掴むことを目的とします。

1. 異常検知概論
   1. 機械学習による異常検知とは
   2. 適切なアルゴリズムを選択できるチートシート
2. 異常検知に必要な統計と機械学習の基礎
   1. ルール抽出
   2. クラスタリング分類・判別分析
   3. クラシフィケーション
   4. 回帰・予測分析
3. 異常検知の手法
   1. 外れ検知
   2. 変化検知
   3. コンテキスト検知
4. 機械学習による異常検知
   1. 使用するアルゴリズム
      1. 単純ベイズ法
      2. k近傍法
      3. EMアルゴリズム
      4. サポートベクターマシン
      5. ニューラルネットワーク、ディープラーニング
   2. 異常検知
      1. 正規分布データの場合
      2. 非正規分布データの場合
      3. 高次元データの場合
      4. 回帰モデル・判別モデル
5. 応用事例とこれからのビジネス展開
   1. 古典的な応用事例
   2. 最近の応用事例 (論文資料を用いての解説)
   3. その他、医療、機械、制御等における機械学習異常検知
6. まとめ