資料の紹介

 人工知能(AI)や深層学習などが注目されている昨今、機械学習アルゴリズムを訓練するためのデータを大量に集めることさえできれば、欲しい結果を算出してくれるAIシステムが容易に作れると考えている人もいるかもしれない。しかし、様々な対象・用途に適用できる汎用的な機械学習の手法は現時点では存在しない。

 データの集め方や種類、サンプリング周波数などの諸条件が異なれば、前処理に必要な作業も変更する必要があるし、最適な機械学習アルゴリズムも異なる。加えて、機械学習は意味ある重要な情報とノイズとを、自動では区別できないことにも留意する必要がある。異常値を無視してよいのか、その異常値は機械の故障や異常といった、モデルが考慮すべき現象を表しているのかを見極めなければならない。

 本資料では、時系列データから異常を見つけて、異常検知や予知保全の仕組みを構築する際に有効な「特徴量」について解説する。時系列データは、機械学習モデルに直接入力するのではなく、高いレベルの情報を捉えた「特徴量」に変換することが一般的であり、成功の鍵を握る重要なステップとなる。併せて、通常手間がかかる特徴量抽出作業を一部自動化するツールを紹介する。

この先は日経 xTECH Active会員の登録が必要です

日経xTECH Activeは、IT/製造/建設各分野にかかわる企業向け製品・サービスについて、選択や導入を支援する情報サイトです。製品・サービス情報、導入事例などのコンテンツを多数掲載しています。初めてご覧になる際には、会員登録(無料)をお願いいたします。