データサイエンティスト育成講座異常検知・変化点解析
プログラム概要
異常検知の基礎から、変化点検知・外れ検知・異常部位、多チャンネルデータや音・振動データに対する異常検知他の手法をご紹介します。
|
対象者
|
AI・機械学習プロジェクトを推進する方
|
|
受講料
|
3名までの場合：1,500,000円（税抜き）※受講人数に応じてお見積りいたします ※講座内容はカスタマイズ可能です。カスタマイズの際は別途お見積りいたします
|
|
受講前提
|
Pythonと機械学習の基礎知識のある方
|
カリキュラム
異常検知・変化点解析
|
演習
|
・異常検知の基礎
・異常検知の概要
・異常度・閾値
・ネイマン・ピアソン決定則（ラベル付きデータ）
・シャノン情報量（ラベル無しデータ）
・誤報率
・ホテリング法
・変化点検知
⚪︎時系列モデルによる検知（AR / SDAR / ChangeFinder）
⚪︎累積和法
⚪︎特異スペクトル変換法
⚪︎密度尤度比推定
・外れ値検知
⚪︎k近傍法（ラベル付きデータ）
⚪︎k近傍法（ラベル無しデータ）
⚪︎One-Class SVM
⚪︎Local Outlier Factor
⚪︎方向データの異常検知
⚪︎単純ベイズ法による異常検知
・異常部位検知
⚪︎k近傍法
・多チャンネルデータの異常検知
⚪︎変数間関係について
⚪︎グラフ構造の描画
⚪︎対マルコフグラフ
⚪︎直接相関と間接相関
⚪︎ガウス型グラフィカルモデル
⚪︎精度行列
⚪︎グラフィカルラッソによる疎構造学習
⚪︎ガウス型グラフィカルモデルの異常検知への応用
・音・振動データに対する異常検知
⚪︎振動データの基本
⚪︎フーリエ変換 / 高速フーリエ変換（FFT）
⚪︎FFTを利用した異常検知
・グループ演習：おとり物件の検知、故障設備の予測
・不均衡データ分析
⚪︎imbalanced-learn
⚪︎Random undersampling / Cluster-based undersampling
⚪︎Random oversampling / SMOTE / SMOTEENN / SMOTETomek
⚪︎コスト関数の調整
・グループ演習
|
|
講義時間
|
３日間 ※ご要望によって、短縮版、拡大版のご提供が可能です
|
