技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

実習セミナー Pythonで学ぶ機械学習と異常検知への応用

実習セミナー Pythonで学ぶ機械学習と異常検知への応用

~機械学習の概要、クラスタリング、可視化と自己組織化マップ、異常検知と応用例~
東京都 開催 会場 開催 PC実習付き

開催日

  • 2020年2月28日(金) 10時00分 17時00分

受講対象者

  • 機械学習・異常検知に取り組んで間もない方
  • 機械学習・異常検知を業務で利用しようとしている方
  • Pythonによる機械学習・異常検知を基礎から学びたい方
  • 機械学習・異常検知に興味のある方

修得知識

  • 機械学習・異常検知の基礎
  • 代表的な教師なし学習の理論的背景と実運用の指針 (PC実習を通して)
  • 機械学習に基づく異常検知の基礎と実運用の指針 (PC実習を通して)

プログラム

 昨今のAIブームの火付け役とも言えるディープラーニングは強力な学習手法ですが、万能ではありません。問題の特性をよく理解して適切な機械学習手法を選択し、適切に用いることが重要です。
 本セミナーでは、機械学習における「教師なし学習」について、また、特に要望の多い「異常検知」の理論や手法の説明とともにPythonを用いた簡単な実習を交えて機械学習の理解を深めます。これから本格的な勉強を始める前に概要と雰囲気を掴むには最適かと思います。

  1. 機械学習の概要
    1. ビッグデータ時代
    2. 機械学習とは?
    3. 最近の例
    4. 機械学習の分類
    5. 教師あり学習
      1. 識別
      2. 回帰
    6. 教師なし学習
      1. モデル推定
      2. パターンマイニング
    7. 半教師あり学習
    8. 深層学習 (ディープラーニング)
    9. 強化学習
    10. 機械学習の基本的な手順
      1. 前処理
      2. 次元の呪い
      3. 主成分分析による次元圧縮
      4. バイアスとバリアンス
      5. 評価基準の設定:クロスバリエーション
      6. 簡単な識別器:k-近傍法
      7. 評価指標:F値,ROC曲線
      8. k-近傍法を用いた実習:機械学習の基本的な手順の確認
  2. 教師なし学習 (1) :クラスタリング
    1. クラスタリングとは?
    2. 階層型クラスタリング
    3. k-meansクラスタリング
    4. ガウス混合モデルによるクラスタリング
    5. クラスタリング妥当性指標
    6. k-means法を用いた実習
  3. 教師なし学習 (2) :可視化と自己組織化マップ
    1. 可視化の形式化
    2. 古典的な可視化法」
      1. 主成分分析による可視
      2. 多次元尺度構成法による可視化
      3. Sammon’s mapping
    3. グラフによる埋め込み法
    4. 自己組織化マップの概要
    5. 自己組織化マップのアルゴリズム
    6. 自己組織化マップを用いた実習
  4. 異常検知
    1. 異常検知の基本的な考え方
    2. 性能評価の方法
    3. ホテリング理論による異常検知
    4. 主要な異常検知法
      1. One-class Support Vector Machine
      2. Local Outlier Factor
      3. Isolation Forest
    5. 各種異常検知法の比較 (実習含む)
  5. 異常検知の応用例紹介
    • 回転機器の振動データに対する異常検知

講師

  • 福井 健一
    大阪大学 産業科学研究所 知能アーキテクチャ研究分野
    准教授

会場

株式会社オーム社 オームセミナー室
東京都 千代田区 神田錦町3-1
株式会社オーム社 オームセミナー室の地図

主催

お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 55,000円 (税別) / 60,500円 (税込)

持参品

  • ノートPCをご持参ください。
    事前に以下のインストールをお願い致します。
  • Anaconda (Python 3.7) をインストール
  • Anaconda Prompt (Win) もしくはターミナル (Mac) から $ conda install python==3.6.8
    を実行し,Python 3.6にダウングレード (結構時間がかかります)
  • その後,Anaconda Prompt (Win) もしくはターミナル (Mac) から $ pip install somoclu
    を実行し,somocluをインストール
  • なお,Macの場合はPython 3.7でもどちらでも構いません.
  • Mac、Windowsの別は問いません。
  • メモリは4GB以上を推奨します。
  • 当日会場にて実習教材データを配布します。 (媒体 : USBメモリ) 。
  • 実習教材データは皆様に贈呈いたします。
本セミナーは終了いたしました。

これから開催される関連セミナー

開始日時
2020/4/15 化学研究と人工知能技術の融合に関する基礎と応用事例 東京都
2020/4/17 AIを利用した医療機器における国内外の市場動向および開発のポイント 東京都
2020/4/21 Pythonで学ぶ「外れ値検出」の基礎 東京都
2020/4/23 スモールデータ解析において心がけること 東京都
2020/4/23 AI / IoT技術における日本・海外の特許動向と特許化のポイント 東京都
2020/4/24 ベイズ最適化の基礎と応用およびPythonによる実装 東京都
2020/4/24 メーカーにおけるAI・IoTに関するデータ利活用の法務の最新事情 東京都
2020/4/27 時系列データ分析の基礎・モデル化と異常検知・機械学習への応用 東京都
2020/4/28 カルマンフィルタの基礎から応用まで 東京都
2020/5/12 ドライバ状態モニタリング/センシング技術と統計処理・機械学習の活用 東京都
2020/5/13 音による故障検知および故障予知 東京都
2020/5/13 蒸留技術の要点とAIを活用した応用研究 東京都
2020/5/14 製造現場で使える実用的な人工知能技術とその実践 東京都
2020/5/14 AIによる顔画像識別技術の基礎原理と実際 東京都
2020/5/15 自然言語処理の基礎と活用方法 東京都
2020/5/18 実務に使えるスモールデータ解析 東京都
2020/5/18 ディープラーニング入門講座 : ディープラーニングの考え方と重要な基礎技術紹介 東京都
2020/5/19 機械学習を用いた分析スペクトルデータ解析の進め方 東京都
2020/5/19 AIを利用した医療機器開発における医療用プログラムの薬事規制 東京都
2020/5/20 事業化成功・失敗例を踏まえたAI (人工知能) を用いた医療機器開発戦略とレギュレーション対応 東京都