人工知能による異常検知技術と導入、実用化のポイント

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、機械学習、ディープラーニングの基本から異常検知の具体例まで数式を極力使わず、実践で使えることを第一に考えて解説いたします。

日時

開催予定

プログラム

異常検知はデータ分析の中でも千差万別で難しい分野となります。ほとんどの場合は、何をもって異常とするか、どの時点で異常とするか等、厳密な定義が難しくなります。  そこで、人工知能により「正常」を学習させ、そこから逸脱するデータを「異常」とする手法を学習します。機械学習・ディープラーニング、データ処理の基本から丁寧に解説していきますので、初心者でも十分に理解できます。また、サンプルプログラムも動作させ、具体的にどのように動作するのかも学習できます。

  1. 異常検知
    1. 異常検知の分類
    2. いつ何を検知するか?
  2. 異常検知に向けたデータ処理の基本
    1. 画像を数値情報へ変換する
    2. 言語を数値情報へ変換する
    3. 音を数値情報へ変換する
    4. 時系列データの定義
    5. データの特性を確認する
      1. 時間軸/場所の考慮
      2. データを発生させるもの
  3. 統計と人工知能
    1. 統計処理
    2. 次元とベクトル
    3. 人工知能と統計
  4. 機械学習/ディープラーニングの基本
    1. 機械学習の基本
      1. データがモデルをつくる
    2. 学習の種類
      1. 教師あり学習の基本
      2. 教師なし学習の基本
    3. 結果の分類
      1. 回帰
      2. クラス分類
    4. 機械学習とディープラーニングの違い
      1. ディープニューラルネットワークとは
      2. 把握すべきディープニューラルネットワークの特性
    5. RNNモデル
      1. 時系列データへの適用
      2. 異常検知への適用
    6. CNNモデル
      1. 画像データへの適用
      2. 異常検知への適用
    7. AE (オートエンコーダ) モデル
      1. 画像データへの適用
      2. 時系列データへの適用
      3. 異常検知への適用
  5. 実例
    1. AEを活用した異常検知
      1. 画像への活用例
      2. サンプルプログラムの解説
    2. RNN – AEを活用した異常検知
      1. 時系列データへの活用例
      2. サンプルプログラムの解説
    3. 物体検知を活用したモデル
      1. 「ひびわれ」の検知
      2. サンプルプログラムの解説
  6. このセミナーだけで終わらせないために
    1. Twitterの活用
    2. クラウド・その他のフリーツールの活用

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信セミナーについて