Pythonによる異常検知

機械学習による異常検知の基本と応用がわかる!機械学習による異常検知のしくみを、誤差関数に着目して解説。新しい異常検知システムを自ら構築できるようになることを最終目標とし、機械学習のさまざまなアルゴリズムについて解説していきます。機械学習について誤差関数を中心に理解を深めることによって「外れ値とはなにか」「閾値はどのように設定すればよいか」といった異常検知における基本が自然と理解できます。

そういった基礎から入りつつ、非時系列データにおける異常検知の手順(第2章)や、時系列データを分析する際の手法と注意点(第3章)、さらに深層学習を用いた応用例(第4章)といった内容まで踏み込み、最終的には自ら異常検知システムを構築できるよう導きます。機械学習の各アルゴリズムの説明や例題などには、数式や図ともに、Pythonのコードが付いています。自分でプログラムを実行しながら学べる入門書です。関連するコードの配布などは、本書内に記載しているGitHubページから入手できます。

・誤差関数を中心に機械学習の原理を理解することで、異常検知の基本が自然と理解できます。
・基本だけでなく、非時系列データ(第2章)や時系列データに対する異常検知の考えかた(第3章)や、深層学習による応用(第4章)を学ぶことができます。
・Pythonのコード付きなので、手を動かしながら学習することができます。

《このような方におすすめ》
◎ 異常検知に取り組むエンジニア
○ 製造業の工場管理者
○ 機械学習を学ぶ大学院生

《目次》
第0章 機械学習と異常検知
0.1 異常検知とは?
0.2 本書の意義と構成

第1章 機械学習と統計解析の基本モデル
1.1 機械学習と誤差関数
1.2 機械学習と統計解析の比較
1.3 教師あり学習──分類と回帰
1.4 教師なし学習──特徴抽出・クラスタリング・次元削減

第2章 非時系列データにおける異常検知
2.1 異常検知とデータ構造
2.2 正規分布に基づく異常検知
2.3 非正規分布に基づく異常検知
2.4 高度な特徴抽出による異常検知
2.5 関数近似に基づく値異常検知
2.6 異常検知モデルの検証

第3章 時系列データにおける異常検知
3.1 時系列データの性質
3.2 自己回帰型モデルによる時系列データの解析
3.3 状態空間モデルによる時系列データの解析
3.4 機械学習による時系列データの解析
3.5 時系列データにおける異常検知

第4章 深層学習による異常検知
4.1 深層学習フレームワークReNomを用いた異常検知
4.2 深層学習による異常検知の応用事例
4.3 異常解析分野の現状と課題

色に関して、撮影状況やご使用のパソコン環境により、実物と多少色が異なる場合がございます。サイズに関して、ブランドや商品によって実際のサイズと異なる場合がございますので、ご不明な場合は、出品者にお問い合わせください。

サイズ	指定なし
フリーサイズ	○

久々に出たまともな異常検知本

※配送方法が複数ある場合はカート内にて変更ができます。
※配送会社の状況等によって、商品到着日が遅れる場合がございます。あらかじめご了承ください。

配送方法	送料	追跡	配送目安
その他(配送無料)	￥0	なし	５日～１０日