中村謙太の作品一覧

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ◆異常検知の理論、実装、Tipsをまるごと学ぶ◆ 　異常検知は製造業における不良品検出や故障の予兆検知、セキュリティ分野での不正アクセス検知、医療における病変検出など、実社会の幅広い場面で不可欠な技術です。本書は、その理論と実装をバランスよく解説した実用的な入門書です。「異常データが少ない」「データの分布にモデルがうまく当てはまらない」といった実務で頻発する課題を出発点に、教師あり学習、教師なし学習、統計モデリングを用いた異常検知手法を広く紹介し、その使い分け方法を体系的に整理します。　基礎理論の平易な説明と、Pythonやオープンソースライブラリによる実用的なコード実装を通じて、実際のシステム設計や運用に直結する知識を提供します。異常検知の基礎と応用を一冊で身につけたい方に最適な手引きです。 ■こんな方におすすめ ・異常検知のしくみを理解して実践したいデータ分析者 ・異常検知をサービスに導入したいエンジニア ・製造業やセキュリティ、医療など異常検知の有用性が高い分野のエンジニア ■目次 1章 異常検知の概要と使いどころ ・1.1 異常検知とは何か ・1.2 異常検知における課題と解決策 ・1.3 異常検知の実施フロー ・1.4 本書の構成 ・1.5 データとモデルの基礎知識 ・1.6 各手法の使い分け ・1.7 実システムで陥りやすい落とし穴 ・1.8 Pythonの環境構築 2章 データの概要把握と可視化 ・2.1 本章の構成 ・2.2 構造化データの取り扱いとPythonでの読み込み ・2.3 EDA―探索的データ解析 ・2.4 データの可視化 ・2.5 2～6章で使用するサンプルデータの作成 3章 教師あり学習を用いた手法 ・3.1 本章の構成 ・3.2 教師あり学習と異常検知 ・3.3 SVM―サポートベクターマシン ・3.4 ロジスティック回帰 ・3.5 教師あり学習による異常検知の問題点 4章 教師なし学習を用いた手法1 ―1変数データ ・4.1 本章の構成 ・4.2 教師なし学習による異常検知の概要 ・4.3 確率分布と最尤推定 ・4.4 ホテリング理論による異常検知―サンプルサイズNが大きい場合 ・4.5 ホテリング理論による異常検知―サンプルサイズNが小さい場合 ・4.6 1次元非正規分布の最尤推定による異常検知 5章 教師なし学習を用いた手法2 ―計数データ ・5.1 本章の構成 ・5.2 計数データの性質 ・5.3 二項分布の最尤推定による異常検知 ・5.4 ポアソン分布の最尤推定による異常検知 6章 教師なし学習を用いた手法3 ―多変数データ ・6.1 本章の構成 ・6.2 多次元確率分布の性質と最尤推定 ・6.3 多変数のホテリング理論による異常検知 ・6.4 マハラノビス・タグチ法による異常検知 ・6.5 混合正規分布モデルによる異常検知 ・6.6 ノンパラメトリック手法による異常検知 7章 統計モデリングを用いた手法―入出力があるデータ ・7.1 本章の構成 ・7.2 入出力があるデータと統計モデリング ・7.3 1変数線形回帰モデルによる異常検知 ・7.4 多変数線形回帰モデルによる異常検知 ・7.5 リッジ回帰モデルによる異常検知 ・7.6 非正規GLMによる異常検知 8章 ベイズ統計モデリングを用いた手法―入出力があるデータ ・8.1 本章の構成 ・8.2 ベイズ推定とベイズ統計モデリング ・8.3 MCMC―マルコフ連鎖モンテカルロ法 ・8.4 ベイズ線形回帰による異常検知 ・8.5 二項ロジスティック回帰による異常検知 ・8.6 ポアソン回帰による異常検知 ・8.7 GLMMと階層モデル ・8.8 GLMMによる異常検知―個体差によるランダム効果 9章 前処理と性能評価 ・9.1 本章の構成 ・9.2 異常検知における前処理 ・9.3 性能評価 ■著者プロフィール 中村謙太：2013年、東京大学大学院工学系研究科機械工学専攻にて修士課程を修了。製造業で機械学習を用いた品質保証・異常検知システムの開発に従事しており、研究知識を現場実装につなげるエンジニアリングが強み。Qiita（アカウント名@c60evaporator）などの技術発信プラットフォームで、Pythonを用いた機械学習、クラウド、IoTの記事を多数公開。複雑な理論を分かりやすく解説することに定評あり。