1.機械学習の概要
1.1 ビッグデータ時代
1.2 機械学習とは?
1.3 機械学習の分類
1.4 教師あり学習
1.4.1 識別
1.4.2 回帰
1.5 教師なし学習
1.5.1 モデル推定
1.5.2 パターンマイニング
1.6 半教師あり学習
1.7 深層学習(ディープラーニング)の発展
1.8 強化学習
2.機械学習の基本的な手順
2.1 前処理
2.2 主成分分析による次元圧縮
2.3 バイアスとバリアンス
2.4 クロスバリエーションによる評価
2.5 簡単な識別器:k-近傍法
2.6 評価指標:Accuracy,F値,ROC曲線
3.Pythonの基礎と機械学習の実装方法(Python解説)
3.1 Pythonの基本
3.2 Scikit-learnを用いた機械学習の実装方法
3.3 k近傍法による識別
4.機械学習による異常検知
4.1異常検知の基本的な考え方
4.2 性能評価の方法
4.3 ホテリング理論による異常検知
4.4 主要な異常検知法
4.4.1 One-class Support Vector Machine
4.4.2 Local Outlier Factor
4.4.3 Isolation Forest
4.4.4 Deep Learningによる異常検知
4.5 各種異常検知法の比較(Python解説)
--- 質疑応答 ---