数理情報学特別講義I（データマイニングによる異常検知）

１．異常検知の基礎的考え方 ２．異常検知のための機械学習基礎 ３．外れ値検知　（パターンに基づく方法） 　　・距離に基づく方法 　　・混合分布に基づく方法 　　・主成分分析に基づく方法 ・外れ値の知識化 　　・One class SVMに基づく方法 ・方向統計量に基づく方法 　　・トラジェクトリー変化検知 　　・応用（医療、ＳＮＳ，セキュリティ） ４．外れ値検知　（復元に基づく方法） 　　・ＮＭＦに基づく方法 　　・AutoEncoderに基づく方法 ５．変化検知（突発的変化） 　　・尤度比検定 　　・二段階変化検知 　　・ベイズに基づく方法 　　・シミュレーションに基づく方法 　　・ＭＤＬ変化統計量 　　・ＭＤＬ変化統計量＋adaptive windowing 　　・応用（システム障害検知、経済分析、教育分析） ６．変化予兆検知　（漸進的変化） 　　・微分的ＭＤＬ変化統計量 　　・応用（COVID-19感染拡大検知） ７．潜在構造変化/検知（突発的変化検知） 　　・バースト変化検知 　　・動的モデル選択 　　・Switching 分布 　　・Tracking the best expert 　　・動的モデル選択 　　・クラスタリング構造変化検知　　 　　・ＭＤＬモデル変化統計量　 ８．潜在構造変化予兆検知（漸進的変化検知） 　　・構造的エントロピー 　　・カーネルコンプレキシティ 　　・応用（マーケティング、行動データ分析、Syslog解析） ８．ネットワーク異常検知 　　・スペクトラムに基づく方法 　　・ネットワーク中心性に基づく方法 　　・グラフ分割構造変化検知 　　・階層的変化検知 　　・応用（システム障害検知、経済分析）

最初の８～９回は講義形式。 残りの回は、受講者が異常検知の文献を読んで発表する輪講形式をとる。 オンライン講義。105分間/回　（13：00－14：45)とする。

レポートまたはプレゼンテーション、またはその両方。

山西・久野・島田・峰松・井手：「異常検知からリスク管理へ」 AI/データサイエンス ライブラリ “基礎から応用へ” 2　サイエンス社、2022. K.Yamanishi: Learning with the Minimum Description Length Principle, Springer, 2023. 山西健司：「データマイニングによる異常検知」、共立出版、2009.

山西健司：情報論的学習理論、共立出版、2010. 山西健司：情報論的学習とデータマイニング、朝倉書店、2014

プレゼンテーションでは、自分で調べた異常検知関連の論文または自分の異常検知に関する研究を発表する。パワーポイントを用いて、約30分間の発表を行う。パワーポイント資料のコピーを当日配布すること。 教員には、プレゼン資料と調査文献を送付すること。 発表希望者は事前に教員に申請すること。