Pythonによる異常検知【点データ・時系列データ編】

ビジネスのさまざまなケースで使われている異常検知について、基礎からPythonによる実行まで幅広く学び、実際に使えるようになりましょう!本コースでは点データ・時系列データ(非画像データ)に対する異常検知手法を学びます。

Ratings: 4.26 / 5.00




Description

本コースでは、異常検知の基本から実践的な応用までを解説し、Pythonで実際に異常検知を実践します。

最近は企業のデータ活用も活発になり、その中で異常検知もよく行われるようになりました。しかし、この異常検知分野はあまり書籍や解説も多くなく、あったとしても理論に偏りすぎてどうやって実践したらよいかわからないというケースもよくあります。

そこで今回は、点データ・時系列データの異常検知に着目し、その簡単な理論の理解と実際にPython実行することを通じて、これから業務で異常検知を行うための基礎を培うことを目標としています。

現代のデータドリブンな世界では、異常挙動やそのパターンを見い出すことは非常に重要となってきていますので、本コースを通じてその基礎スキルを身につけましょう!


コースの内容

  1. 異常検知の基礎知識の習得
    異常検知の基本的な概念とアプローチを学びます。ビジネスにおける異常検知やその種類について理解を深め、なぜそれが重要なのかを理解します。

  2. 機械学習の基礎の確立
    機械学習の基本的なモデルや評価手法などを学習します。機械学習が異常検知の基本になりますので、必要に応じて学びます。

  3. 正規分布に従うデータの異常検知
    ホテリング法を用いて、正規分布に従うデータの異常検知を行います。理論と実践のバランスを保ちながら、異常検知の基本的なアプローチをマスターします。

  4. 非正規分布に従うデータの異常検知
    LOF、Isolation Forest、One Class SVMなどのアルゴリズムを使用して、非正規分布に従うデータの異常検知を行います。

  5. 時系列データの異常検知
    kNN、特異スペクトル変換、Change Finderなどの手法を理解し、実際にPythonで異常検知を実行できるようになります。

コースの対象

このコースは、異常検知の基礎を身につけたいデータサイエンティストやエンジニア、ビジネスアナリストなど、データを活用するあらゆる人が対象です。


注意点

  • 本コースでは画像データの異常検知は対象外となりますのでご注意ください

  • 間違って購入した場合は購入後30日まではキャンセル可能ですのでご活用ください

  • Pythonの環境構築は行いませんのでご了承ください。Python環境がない場合は、Google Colaboratoryを使用したり、Anacondaなどをインストールするのが良いかと思います


What You Will Learn!

  • 異常検知の概要
  • 機械学習の基礎
  • ホテリング理論による異常検知
  • LOFによる異常検知
  • Isolation Forestによる異常検知
  • One Class SVMによる異常検知
  • kNNによる時系列データの異常検知
  • 特異スペクトル変換による時系列データの異常検知
  • Change Finderによる時系列データの異常検知(変化点検知)

Who Should Attend!

  • 業務で異常検知モデルを作る必要がある方
  • 異常検知に興味がある勉強してみたい方
  • 基本的なPythonコーディングを学び、次のステップに進みたい方