大阪大学 産業科学研究所 准教授　福井 健一氏

【Live配信】２０２４年１１月１５日（金）　１０：３０〜１６：３０
【アーカイブ（録画）配信】 ２０２４年１１月２５日まで受付（視聴期間：１１月25日〜12月4日まで）

1名につき ５５,０００円（消費税込、資料付）
〔１社２名以上同時申込の場合のみ１名につき４９,５００円〕

〔大学、公的機関、医療機関の方には割引制度があります。詳しくは上部の「アカデミック価格」をご覧下さい〕

【講座の趣旨】
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。機械学習ライブラリとして有名なscikit-learnを用いた実装を 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。また、振動データからの回転機器の異常検知に関する研究事例を 紹介すると共に、関連するPythonプログラムコードの解説を行います。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です。

【講座内容】
１．機械学習の概要
　　1.1　ビッグデータ時代
　　1.2　機械学習とは？
　　1.3　機械学習の分類
　　1.4　教師あり学習
　　　　（１）識別
　　　　（２）回帰
　　1.5　教師なし学習
　　　　（１）モデル推定
　　　　（２）パターンマイニング
　　1.6　半教師あり学習
　　1.7　深層学習（ディープラーニング）の発展
　　1.8　強化学習

２．機械学習の基本的な手順とその実装
　　2.1　前処理
　　2.2　主成分分析による次元圧縮
　　2.3　バイアスとバリアンス
　　2.4　クロスバリエーションによる評価
　　2.5　簡単な識別器：k-近傍法
　　2.6　評価指標：Accuracy，F値，ROC曲線
　　2.7　Scikit-learnを用いた機械学習の実装 (Python解説)
　　2.8　k近傍法による識別（Python解説）

３．機械学習による異常検知
　　3.1　異常検知の基本的な考え方
　　3.2　性能評価の方法
　　3.3　ホテリング理論による異常検知
　　3.4　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
　　3.5　各種異常検知法の比較（Python解説）

４．回転機器の異常検知への応用
　　4.1　事例紹介
　　4.2　関連プログラムコード解説

【質疑応答】