loading...

検索結果

{{'検索結果' + searchResultList.length + '件'}}（人気順）

ＡＩを活用した異常検知研修～Pythonによる機械学習モデル開発実践編（２日間）

ＡＩを活用した異常検知研修～Pythonによる機械学習モデル開発実践編（２日間）

ミス防止と生産性向上のために、業務に即した機械学習モデルの開発を目指す

研修No.B PRG606-8200-5581

対象者

  • 全階層

・金融、製造業界の方
・会計やマーケティング、研究など、大量のデータを扱う職種の方
・業務フローにＡＩを組み込むことを検討している方
※Python基本文法や機械学習ライブラリ（scikit-learn）の知識がある方

よくあるお悩み・ニーズ

  • 正常か異常かを目視で判断しており、見落としが発生している
  • 大量のデータを自動で処理し、対応時間を減らしたい
  • 経験者が勘で異常を判断するなど、属人化している状態を解消したい

研修内容・特徴outline・feature

Pythonで機械学習モデルを開発し、大量のデータから異常値を検知できるようになる２日間の研修です。まず、金融業界や製造業界などでの機械学習による異常検知の事例を学び、自身の業務でどのように活用するかを考えます。そのうえで、異常検知に使えるさまざまなアルゴリズム（計算ロジック）を取り上げ、１つずつ実行しながら動作イメージを掴んでいきます。

クレンジングや正規化・標準化など、機械学習で必ず行うデータ前処理についても触れます。研修の後半は実践演習を繰り返し、現場で用いるデータに近いもので機械学習モデルの開発に取り組みます。なお、貴組織の実データを共有いただける場合には、研修の中でそれを題材にして機械学習モデルを開発することが可能です。

＊この研修ではＰＣを使用します＊

研修のゴールgoal

  • ①機械学習による異常検知の仕組みを理解する
  • ②異常検知に使える複数のアルゴリズムの違いがわかる
  • ③実データを用いた異常検知モデルを開発することができる

研修プログラム例program

＜１日目＞所要時間：６時間
内容
手法
  • １．機械学習を不正検知・異常検知に活用する
    （１）機械学習の仕組み
    （２）教師あり学習と教師なし学習の違い
講義
  • ２．機械学習による異常検知の事例
    （１）金融～クレジットカードの不正利用
    （２）製造～製造ラインでの不良品検知
    （３）医療～病名診断の補助
    （４）情報通信～スパムメールのブロック
    【ワーク】機械学習による異常検知が使えそうな業務を考える
講義
ワーク
  • ３．異常検知を自動化するメリット
    （１）コスト削減
    （２）人的ミス防止
    （３）属人化防止
講義
  • ４．数値計算に特化したライブラリ～NumPy
    （１）NumPy（ナムパイ）とは
    （２）PandasとNumPyの使い分け
    （３）配列の生成
    （４）配列のデータ確認
    （５）配列のデータ操作
    （６）配列のデータ抽出
    （７）配列の計算
講義
ワーク
  • ５．異常検知の手法～アルゴリズム
    （１）ロジスティック回帰～データを分類
    （２）クラスタリング～似た特徴のデータをグループ化（クラスター分析）
    （３）ホテリング理論～多変量データの異常検知
    （４）局所外れ値因子法～密度の違いで外れ値を検出（ＬＯＦ）
    （５）主成分分析～データの次元削減と特徴抽出（ＰＣＡ）
    （６）サポートベクターマシン～境界線でデータを分類（ＳＶＭ）
    （７）異常検知の手法を選ぶ際のポイント
講義
ワーク
  • ６．様々なデータ前処理
    （１）クレンジング
    （２）ダミー変数（One-Hotエンコーディング）
    （３）特徴選択
    （４）正規化・標準化
    （５）データ分割
講義
ワーク
＜２日目＞所要時間：６時間
内容
手法
  • ７．実践①～事例を通して、二値分類の流れを学ぶ
    （１）データの準備
    （２）前処理①～カテゴリデータを数値に置き換える
    （３）データの可視化～データ全体の特徴をつかむ
    （４）特徴量を絞り込む
    （５）前処理②～欠損値、特徴量エンジニアリング、データ分割
    （６）タイタニック号の生存予測について学習、予測、評価する
講義
ワーク
  • ８．実践②～異常検知のためのクラスター分析
    （１）データの準備
    （２）前処理
    （３）最適なクラスター数を特定する
    （４）クラスター分析
講義
ワーク
  • ９．実践③～実データを使って、異常を発見する
    （１）データの読み込み
    （２）データクレンジング
    （３）データの可視化
    （４）特徴量エンジニアリング、データ分割
    （５）学習、予測、評価
講義
ワーク
  • 10．異常検知モデルを構築するまでの流れ
    （１）企画
    （２）構築
    （３）運用
    【参考】大量のデータをどう取得するか
講義
  • 11．まとめ
ワーク

8925

全力Q&A{{list[0]['category']}}関連の全力Q&A

よくあるご質問について、研修のプロとして熱く丁寧に回答します。

カスタマイズ事例～ケーススタディCASE STUDY

本研修のカスタイマイズ事例として、作成したケーススタディを業界別にご紹介します。

{{theme}}研修のケーススタディ一覧

開発者コメントcomment

なんとなく機械学習でできることはわかっているけれど実際の業務フローにどのように組み込めばいいのかわからないとのお悩みを受け、本研修を開発しました。機械学習モデルの開発を行うだけでなく、研修の中でそれらを講師が直接フィードバックする構成になっています。ＡＩによる異常検知の流れをしっかりと理解するとともに、実務に即した開発スキルを身につけられる研修です。

関連サービス

読み物・コラムcolumn

下記情報を無料でＧＥＴ！！

無料セミナー、新作研修、他社事例、公開講座割引、資料プレゼント、研修運営のコツ
登録はこちら

※配信予定は、予告なく配信月や研修テーマを変更する場合がございます。ご了承ください。

配信をご希望の方は、個人情報保護の取り扱いをご覧ください。

無料セミナー、新作研修、他社事例、公開講座割引、資料プレゼント、研修運営のコツ

メールマガジンのご登録はこちら

登録は左記QRコードから！

※配信予定は、予告なく配信月や研修テーマを変更する場合がございます。ご了承ください。

配信をご希望の方は、個人情報保護の取り扱いをご覧ください。

■最新作・ニュース

新卒採用募集中

研修を探す

同じジャンルで探す

  • WEBins
  • モンシャン
初めてご利用の方へ

インソースからの新着メッセージ

    直近の公開講座開催研修

    新作研修

    業界随一の研修開発力を誇る
    インソースの最新プログラム

      新作研修をもっと見る

      コア・ソリューションプラン
      の新作情報

      250種類以上のコンサル事例！
      組織の「したい！」に全力で応える

        プランをもっと見る

        本テーマのおすすめリンク

        おすすめリンク

        閉じる