データサイエンティスト育成講座
異常検知・変化点解析

研修

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)3名までの場合:1,500,000円(税抜)
※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