<実習セミナーにつき1口受講はありません>

☆☆☆Web配信セミナー☆☆☆

S210324KW

　☆☆☆本セミナーは、Zoomを使用して行います☆☆☆

　　開催日時：2021年3月24日（水） 10:30-16:30

　受 講 料：55,000円[税別]／1名

※PC環境
　　　実習環境はPC・タブレットどちらも可。
　　　ブラウザが動く環境であれば，端末の環境は問いません。
　　　条件としては，googleアカウントにログオンした状態であることと，
　　　できれば，ブラウザが動く端末と，聴講用の端末は別の方がよいと思います。

　濱上 知樹　氏　

　　　　横浜国立大学 大学院工学研究院　教授


　■講師ご略歴
　　1999年　千葉大学大学院自然科学研究科博士課程後期修了。博士（工学）。
　　2001年　千葉大学自然科学研究科助手，
　　2004年　横浜国大学立大学院工学研究院助教授，
　　2008年　同教授。現在に至る．

　■専門および得意な分野・研究
　　知能システム，機械学習，人工知能の研究に従事。

　■本テーマ関連学協会での活動
　　電子情報通信学会，電気学会，情報処理学会，計測自動制御学会各会員
　　電気学会にて，機械学習の応用研究委員会を２つ立ち上げ，産学実応用研究に貢献．


　■概要
　　　異常検知は幅広い分野で活用が期待される技術です。従来，人でないと難しいといわれていた専門的な
　　異常検知を，AIによって代替させようという試みが増えています。さらに，人間の能力では扱うことが
　　困難な大量のデータや高次の非線形特徴空間に対して，その原因や因果関係の説明，新たな知見の抽出
　　まで可能になりつつあります。今後は単独の異常検知機能ではなく，システムや製品の一部としてAIに
　　よる異常検知が組み込まれるようになっていくでしょう。
　　　本セミナーでは，近年多くの需要・要望が寄せられている人工知能による異常検知について，背景と
　　なる基本的な考え方と，古典的なアルゴリズムの理解を深め，さらにAIによる高度な異常検知の基礎と
　　アルゴリズム，応用例をPythonによる実習を通して学んでいきます。



　

　　1.　Python実習環境の準備

　　2.　異常検知概論

　　3.　異常検知のための特徴抽出
　　　1.　時系列データの特徴抽出
　　　2.　画像データの特徴抽出
　　　3.　特徴と距離
　　　　1.　様々な距離の定義
　　　　2.　高次特徴空間における球面集中現象

　　4.　統計的異常検知の基礎
　　　1.　正規分布とカイ二乗分布
　　　2.　マハラノビス距離とPCA

　　5.　古典的な異常検知
　　　1.　k近傍法(KNN)
　　　2.　局所外れ値因子法（LOF: Local Outlier Factor）
　　　3.　ABOD: Angle Based Outlier Detection
　　　4.　特異スペクトル解析法
　　　5.　ヒストグラム法
　　　6.　クラスタリング

　　6.　AIによる異常検知の考え方とよく使われるアルゴリズム
　　　1.　One class SVM
　　　2.　オートエンコーダ(AE: Auto Encoder) *
　　　3.　VAE (Variational Auto Encoder)
　　　4.　isolation forest
　　　5.　LSTM
　　　6.　Deep learning（CNN）
　　　7.　リザバーコンピューティング
　　　8.　ano-GAN

　　7.　応用事例

　　8.　まとめ