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

人工知能による異常検知入門

人工知能による異常検知入門

～GoogleColabで学ぶ実践ハンズオン～
オンライン 開催 PC実習付き
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

アーカイブ配信で受講をご希望の場合、視聴期間は2025年10月9日〜19日を予定しております。
アーカイブ配信のお申し込みは2025年10月9日まで承ります。

概要

本セミナーは、異常検知のための前処理と特徴抽出、識別モデルによる外れ値検知、生成AIによる異常検知について、基礎から実践まで分かりやすく解説いたします。
Google Colabを使用して、PyCaretやPyODを利用した異常検知プログラムを動かすハンズオンセッションを行います。

配信期間

  • 2025年10月9日(木) 10時30分 ～ 2025年10月19日(日) 16時30分

お申し込みの締切日

  • 2025年10月9日(木) 10時30分

プログラム

　AIによる異常検知の多様な手法とその特徴を解説します。統計的手法による基礎から、識別モデルによる外れ値検知、生成AIを用いた最新のアプローチまでを扱い、異常検知理論とアルゴリズムを網羅的に理解します。さらに、Google Colab上でPyCaretやPyODなどの異常検知フレームワークを活用した演習を通じて、応用力のある知識の習得を目指します。最後に、研究論文などをもとに実際の異常検知事例をレビューし、実践的な活用への理解を深めます。

  1. 異常検知概論
    1. 異常検知とは何か
      1. 正常・異常・外れの定義
      2. 異常検知の応用分野
    2. 異常検知技術の歴史
    3. AIによる異常検知
  2. 異常検知のための前処理と特徴抽出
    1. 前処理
    2. 特徴量と次元、多様体仮説
    3. 距離
    4. 基底分解
    5. 線形問題・非線形問題
    6. 異常検知の評価
  3. 統計的手法による異常検知
    1. 基本統計量と分布
      1. 平均・分散・正規分布
      2. zスコア・箱ひげ図
    2. 閾値ベースの検知手法
      1. zスコアによる外れ値検知
      2. Grubbs検定・IQR法
    3. 時系列データへの扱い
      1. 移動平均と異常検知
      2. 季節性のあるデータの取り扱い
  4. 機械学習による異常検知
    1. 密度ベース外れ値検知
      1. k近傍法 (k-NN)
      2. LOF (局所外れ値因子)
      3. ABOD
      4. その他
    2. クラスタリングベース外れ検知
      1. K-means
      2. DBSCAN
      3. その他
    3. 非線形外れ検知
      1. one class SVM
      2. isolation forest
      3. AutoEncoder
      4. 深層学習
      5. その他
  5. 生成モデルを用いた異常検知
    1. 生成オートエンコーダ
      1. 再構成誤差
      2. デノイジングオートエンコーダ
    2. 変分オートエンコーダ (VAE)
      1. 潜在変数空間
      2. 潜在変数空間における異常検知
    3. GAN
      1. GANの原理
      2. AnoGAN
    4. 拡散モデル
      1. 拡散モデルの原理
      2. 拡散モデルを用いた異常検知
  6. 応用と実践事例
    1. 産業・生産における異常検知
    2. 医療・ヘルスケア分野における異常検知
    3. サイバーセキュリティにおける異常検知
    4. 論文レビュー
  7. まとめと今後の展望
    1. 異常検知手法の選び方
    2. 今後の異常検知と研究課題
    • 質疑応答
ページのトップヘ

講師

  • 濱上 知樹 氏
    横浜国立大学 大学院 工学研究院 環境情報学府 情報メディア環境学専攻
    教授
ページのトップヘ

主催

株式会社 技術情報協会
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
: 50,000円 (税別) / 55,000円 (税込)
複数名
: 45,000円 (税別) / 49,500円 (税込)

複数名同時受講割引について

  • 2名様以上でお申込みの場合、1名あたり 45,000円(税別) / 49,500円(税込) で受講いただけます。
  • 5名様以降は、1名あたり 30,000円(税別) / 33,000円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 50,000円(税別) / 55,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 90,000円(税別) / 99,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 135,000円(税別) / 148,500円(税込)
    • 4名様でお申し込みの場合 : 4名で 180,000円(税別) / 198,000円(税込)
    • 5名様でお申し込みの場合 : 5名で 210,000円(税別) / 231,000円(税込)
  • 同一法人内による複数名同時申込みのみ適用いたします。
  • 請求書は、代表者にご送付いたします。
  • 他の割引は併用できません。

アカデミック割引

  • 1名様あたり 30,000円(税別) / 33,000円(税込)

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

  • 学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院、短期大学、附属病院、高等専門学校および各種学校の教員、生徒
  • 病院などの医療機関・医療関連機関に勤務する医療従事者
  • 文部科学省、経済産業省が設置した独立行政法人に勤務する研究者。理化学研究所、産業技術総合研究所など
  • 公設試験研究機関。地方公共団体に置かれる試験所、研究センター、技術センターなどの機関で、試験研究および企業支援に関する業務に従事する方
  • 支払名義が企業の場合は対象外とさせていただきます。
  • 企業に属し、大学、公的機関に派遣または出向されている方は対象外とさせていただきます。

アーカイブ配信セミナー

  • 当日のセミナーを、後日にお手元のPCやスマホ・タブレッドなどからご視聴・学習することができます。
  • 配信開始となりましたら、改めてメールでご案内いたします。
  • 視聴サイトにログインしていただき、ご視聴いただきます。
  • 視聴期間は2025年10月9日〜19日を予定しております。
    ご視聴いただけなかった場合でも期間延長いたしませんのでご注意ください。
  • セミナー資料は別途、送付いたします。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2026/2/13 AI外観検査 (画像認識) のはじめ方、すすめ方、精度の向上 オンライン
2026/2/16 体外診断用医薬品の性能評価に必須の統計解析基礎講座 オンライン
2026/2/16 生成AIを活用した研究データ解析と可視化手法 オンライン
2026/2/17 時系列データ解析の基礎と進め方のポイント オンライン
2026/2/17 実験計画法 入門講座 オンライン
2026/2/18 分析法バリデーション超入門講座 オンライン
2026/2/19 生体情報を用いた感情推定技術 オンライン
2026/2/19 体外診断用医薬品の性能評価に必須の統計解析基礎講座 オンライン
2026/2/19 ベイズ統計モデリングの基本的な考え方とモデルの立て方、結果の解釈 オンライン
2026/2/19 分析法バリデーション超入門講座 オンライン
2026/2/20 ICH新ガイドラインに対応する分析法開発と分析法バリデーションの基礎と実践 東京都 会場・オンライン
2026/2/24 産業設備の保全/管理へのAI・機械学習の活用と実践ノウハウ オンライン
2026/2/24 商品開発のための感性・官能評価用アンケート設計と物性値への落とし込み オンライン
2026/2/24 機械学習原子間ポテンシャル (MLIP) の基礎と実践的活用法 オンライン
2026/2/25 AIエージェント×ビジネスデータ分析の基礎と実践 オンライン
2026/2/25 データ分析のポイントと生成AIの活用 オンライン
2026/2/26 AIエージェント×ビジネスデータ分析の基礎と実践 オンライン
2026/2/26 実務に役立つ統計解析の基本と活用 オンライン
2026/2/26 生成AIを活用した研究データ解析と可視化手法 オンライン
2026/2/26 生成AIによる特許調査・分析の現状と実務への適用 オンライン
ページのトップヘ