本セミナーでは、機械学習全般に共通する基本的な概念、そして特に要望の多い異常検知の理論や手法を解説します。Pythonについても基本的な構文から説明し、機械学習ライブラリとして有名なscikit-learnを用いた実装の解説し、機械学習の理解を深めます。初学者にも分かるように、なるべく数式は用いずに概念と利用方法を丁寧に解説します。機械学習による異常検知について、これから本格的な勉強もしくは導入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. 機械学習の分類
   4. 教師あり学習
      1. 識別
      2. 回帰
   5. 教師なし学習
      1. モデル推定
      2. パターンマイニング
   6. 半教師あり学習
   7. 深層学習 (ディープラーニング) の発展
   8. 強化学習
2. 機械学習の基本的な手順
   1. 前処理
   2. 主成分分析による次元圧縮
   3. バイアスとバリアンス
   4. クロスバリエーションによる評価
   5. 簡単な識別器
      • k-近傍法
   6. 評価指標
      • Accuracy
      • F値
      • ROC曲線
3. Pythonの基礎と機械学習の実装方法 (Python解説)
   1. Pythonの基本
   2. Scikit-learnを用いた機械学習の実装方法
   3. k近傍法による識別
4. 機械学習による異常検知
   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
      4. Deep Learningによる異常検知
   5. 各種異常検知法の比較 (Python解説)
• 質疑応答