AIによる時系列データ・画像データでの異常検知【PC実習】＜Zoomによるオンラインセミナー＞

異常検知に使用される機械学習のアルゴリズムなど
基礎的な解説からデータの処理、各種応用事例の最新情報まで
時系列・画像データを用いた実習を通し解説！

第３次ブーム真っ只中の人工知能による異常検知の手法とは？

セミナー講師

横浜国立大学 大学院工学研究院　 教授　濱上 知樹 先生
■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。

セミナー受講料

1名47,300円(税込（消費税10％）、資料付)
　＊1社2名以上同時申込の場合、1名につき36,300円
　＊学校法人割引；学生、教員のご参加は受講料50％割引。

受講について

※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

配布資料・講師への質問等について

• 配布資料は、印刷物を郵送で送付致します。
  お申込の際はお受け取り可能な住所をご記入ください。
  お申込みは4営業日前までを推奨します。
  それ以降でもお申込みはお受けしておりますが（開催1営業日前の12:00まで）、
  テキスト到着がセミナー後になる可能性がございます。
• 当日、可能な範囲で質疑応答も対応致します。
  （全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
• 本講座で使用する資料や配信動画は著作物であり、
  無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

下記ご確認の上、お申込み下さい

• PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
• ご受講にあたり、環境の確認をお願いしております（20Mbbs以上の回線をご用意下さい）。
  各ご利用ツール別の動作確認の上、お申し込み下さい。
• 開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。

Zoomを使用したオンラインセミナーとなります

• ご受講にあたり、環境の確認をお願いしております。
  お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
  → 確認はこちら
  ※Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
• Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です。
  ※一部のブラウザは音声（音声参加ができない）が聞こえない場合があります。
  　必ずテストサイトからチェック下さい。
  　対応ブラウザーについて(公式) ;
  　「コンピューターのオーディオに参加」に対応してないものは音声が聞こえません。

セミナー趣旨

　人工知能(AI)の実践的応用の中でも、異常検知は幅広い分野で活用が期待される技術です。特に、従来、専門家でないと難しいと言われていた画像や時系列信号の異常検知を、AIで支援しようという試みが増えています。さらには、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特徴空間に対して、その異常の原因や因果関係の説明、新たな知見の抽出までが可能になりつつあります。　　
　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、異常検知に用いられる様々なAIアルゴリズムを学びます。そして、時系列情報と画像からの異常検知を題材にした、具体的なコードの実行によって理解を深めてまいります。

セミナープログラム

■実習で使用するPCについて：
　実習に必要な環境は開催確定後、ご連絡いたします。
　セキュリティ上準備が難しい場合などは弊社PCを貸出しいたします(¥7,700-/台）

1．環境構築

2．異常検知概論

3．異常検知のための統計基礎
　　A.正規分布とt検定
　　B.単純ベイズ推定

4．異常検知のための特徴抽出
　　A.時系列データの特徴抽出
　　B.画像データの特徴抽出
　　C.距離
　　D.PCA
　　E.クラスタリング

5．異常検知アルゴリズム
　　A.k近傍法, LoF
　　B.isolation forest
　　C.One class SVM
　　D.オートエンコーダ
　　E.GRU(LSTM)

6．高度な異常検知と応用事例
　　A.Deep learning 特徴抽出
　　B.ano-GAN
　　C.強化学習

7．まとめ【座学】

それぞれの演習の中では、時系列データ、画像データをつかった事例を扱います。

★過去、同講師によるセミナーを受講された方の声（一例）：
　・概要や、手法を広く、わかりやすくお教えいただきました。
　・数式を多用せず、図などで説明して頂き、直感的に理解しやすかったです。復習し、実際に現場でデータに適用してみます。
　・わかりやすく、非常に役に立った。自身の知識不足により理解にいたらない点もあり、３日くらいかけた講習でも受講したいと思う。
　・大変参考になりました。ありがとうございました。
　・濱上先生の説明はとてもわかりやすく、これまでなんとなくしかわかっていなかったことについてしっかり理解できる機会となりました。ありがとうございました。
　・具体例の水準が高かったです。参考になりました。