主催 日本テクノセンター
日時 2021年07月05日(月) 10:30 ~ 17:30
受講料 一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込)
受講方法
ウェビナー形式
ウェビナー概要
データサイエンスへの注目、必要性の高まりとともにR、Pythonのライブラリなどデータ解析環境も充実し、専門的な知識が無くても手軽にデータ解析が出来るようになっている。 しかし解析方法に関する最低限の動作原理の理解が無ければ、思うような解析結果が出ないことや、完全に誤った解析結果を得てしまうことがある。 本セミナーでは異常検知の各手法に関し、その原理を、深入りは避けつつも最低限の理論を説明する。 特に過学習、多重共線性など、頻繁に発生する問題への対策法を修得する。
対象者
・異常値を含むデータからの検出手法にお困りの方
・最近の機械学習手法の概略に興味のある方
・製造装置、機械、保全、システム、品質・信頼性、工場管理、データ解析ほか関連部門の方
プログラム
１．判別と異常検知を行う際に必要な統計の基礎知識
（１）．教師あり学習、教師なし学習とは?
（２）．手法の複雑さと過学習
（３）．複雑さの選定
ａ. 訓練データと検証データ
ｂ. 交差検証法
ｃ. 多重共線性
（４）．判別機の性能評価
ａ. 正常/異常標本精度
ｂ. ROC曲線
２．異常判別：教師あり学習
（１）．線形判別
（２）．２次判別
（３）．Support Vector Machine(SVM)
ａ. ハードマージンとソフトマージン
ｂ. カーネルトリック
３．異常検知：教師なし学習
（１）．正規分布を用いた異常検知:単変量の場合
（２）．正規分布を用いた異常検知:多変量の場合
ａ. マハラノビスの距離
ｂ. ホテリングのT2法
ｃ. MT法における多重共線性
（３）．LocalOutlierFactor
（４）．One Class SVM
（５）．時系列モデルにおける異常検知
ａ. 変化点検知
ｂ. ChangeFinder
４．滋賀大学における活用実績（製造装置、機械）
（１）．異常と関連の強い項目の推定
（２）．異常予知
（３）．異常の処理方法予測
（４）．異常回避のための最適制御
５．まとめと質疑応答