RapidMiner 深層学習 異常検知編
難易度
★★★★
製造業の現場では、異常データがほとんど観測されず、正常データのみを使って異常判定を行うことを求められることが少なくありません。本講座では、Autoencoderと呼ばれる深層学習の手法を使い正常データを学習、再構築し、そこから異常スコアを算出することで異常検知を行います。
対象者
異常検知に関心がある方 異常検知に携わっている方
所要時間
約90分
※実際の所要時間は、ハンズオン含め約2～3倍程度かかります。
習得内容
Autoencoderの概念の使い所を理解する。
Autoencoderオペレーターを使って異常検知モデルを作成できる。
コース内容
全3回 約90分
| 第1章 | Autoencoderとは／ニューラルネットワーク／ Autoencoderの仕組み／Autoencoderを用いた異常検知／Autoencoderを用いたノイズ除去／事例紹介／Autoencoderオペレーターの説明 |
|---|---|
| 第2章 | 心拍波形データを用いた異常検知／データの説明・準備／Autoencoderでの学習／オペレーターの設定、誤差の計算／Autoencoderの適用／Apply Model(Generic) 異常スコアの算出 閾値の検討 |
| 第3章 | 画像(MINIST)データのノイズ除去／データの説明・準備／データの前処理／データ読み込み、形状変更／Autoencoderの学習／Autoencoderの適用／データの後処理 |
