異常検知 セミナー 機械学習 ディープラーニング 統計解析 統計 故障予知

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
12月
1月
2月
3月〜

化学・電気系 その他各分野
12月
1月
2月
3月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2019/12/6更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


異常検知(座学)(12月6日)のみ参加↓

異常検知(座学)(12月6日)/異常検知(実習)(12月13日)両日参加↓

*その他 機械学習・ディープラーニング・人工知能: 関連セミナー、書籍はこちら:

★異常検知や故障予知、劣化予測をするために必要な知識とは?
★基本的な統計や機械学習の知識に加えてデータがある時、少ない時、ない時など様々な場合ごとの異常検知の行い方について解説。
★翌週のPython実習つき異常検知セミナーとのお得なセット割引も。

統計解析と機械学習による異常検知

講師

滋賀大学 データサイエンス学部 教授 笛田 薫 先生

* 希望者は講師との名刺交換が可能です

講師紹介

■ご略歴:
 九州大学理学部数学科助手
 岡山大学環境理工学部講師
 岡山大学大学院環境生命科学研究科准教授
 滋賀大学データサイエンス学部教授

■専門および得意な分野・研究:
 数理統計学、統計的モデリング

■本テーマ関連学協会での活動:
 応用統計学会:理事
 日本計算機統計学会:理事
 日本統計学会:理事

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2019年12月6日(金) 10:30-16:30
●会場 [大阪・本町]おおきに会議室2F大会議室 →「セミナー会場へのアクセス」
●受講料
   『統計解析と機械学習による異常検知(12月6日)』のみのお申込みの場合
  1名47,300円(税込(消費税10%)、資料・昼食付)
  *1社2名以上同時申込の場合、1名につき36,300円

  『【Python実習つき】統計解析と機械学習による異常検知(12月13日)』と合わせてお申込みの場合
  (同じ会社の違う方でも可。※二日目の参加者を備考欄に記載下さい。)
  1名72,600円(税込み(10%)、資料付)
  *1社2名以上同時申込の場合、1名につき61,600円
  ⇒割引は全ての受講者が両日参加の場合に限ります  

 *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナーポイント

■はじめに:
 データから、常とは異なるものを発見する「異常検知」のさまざまな手法について、複雑な数式は使わずに、その考え方、手法の使い分け、実行方法について解説します。

■ご講演中のキーワード:
 判別分析、サポートベクターマシン(SVM)、One Class SVM、マハラノビスの距離、ホテリングのT2法、ROC曲線

■受講対象者:
 ・異常値を含むデータをお持ちで、その中からのデータから異常の検出方法にお困りの方
 ・最近の機械学習手法の概略に興味のある方
 ・異常検知を取り入れたいとお考えの方

■必要な予備知識:
 ・特に必要ありません。

■本セミナーで習得できること:
 ・異常検知のための各手法の考え方と使い分け
 ・誤検知確率の評価と対処法

セミナー内容

1. 異常検知を行う際に必要な機械学習と統計の基礎知識
 1) 統計と機械学習
 2) データ活用のプロセス
 3)教師あり学習と教師なし学習
 4)回帰モデル
  a)訓練データと評価データ
  b)交差検証法による変数選択
  c)多重共線性による悪影響とその対処法
 5)決定木
 6)クラスタリング

2.異常検知の考え方
 1)異常例のデータがある場合とない場合
  a)異常例のデータがある場合:判別分析
  b)異常例のデータがない場合:外れ値検出
 2)異常例が少ない場合:ベイズの公式
  異常例が少ないと生じる問題とその対処法
3) 異常度の決定:性能評価と閾値の設定
 a) 閾値設定のポイント
  b)正常標本精度
  c)異常標本精度
  d)ROC曲線

3.機械学習・統計による異常検知の各種手法、およびそれぞれの応用事例
 1)判別分析
  a)ロジスティック回帰
  b)線形判別と2次判別
  c)サポートベクターマシン(SVM)
 2)外れ値検出
  a)正規分布を用いた単変量異常検知
  b)多変量異常検知:マハラノビスの距離とホテリングのT2法
  c)One Class SVM

4. まとめ

異常検知(座学)(12月6日)のみ参加↓

異常検知(座学)(12月6日)/異常検知(実習)(12月13日)両日参加↓

セミナー番号:AT191231

top

注目の新刊

雑誌 月刊化学物質管理

動画配信 統計学入門

創薬スクリーニング

異常検知技術と応用提案

各社の化学物質管理

分散技術

中分子医薬品

5G

洗浄バリ 2019

日本語メディカルライティング

DI対応CSV 2019

プラスチック環境対応技術

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.