独家付费课程独家中英文字幕配套资料齐全!

不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。

异常检测:机器学习、深度学习、AutoML

Anomaly Detection

涵盖基于时间、非基于时间和图像异常 | 了解图书馆内发生的事情 | 借助人工智能解释器

你将学到什么

  • 什么是异常?
  • 异常检测可以应用在哪些领域?
  • 异常检测技术有哪三种类型?
  • 如何分析基于时间的数据是否存在异常?
  • 如何利用监督学习来识别异常?
  • 如何应用DBSCAN、隔离森林等无监督学习算法来检测异常?
  • 如何分析图像并识别其中的异常?

要求

  • 没有任何。

描述

最近更新

  • 2023 年 2 月:解释算法的结果总是具有挑战性,在无人监督的领域更是如此。我们添加了关于这个有趣领域的视频讲座。
  • 2023 年 1 月:使用深度学习添加异常检测算法(自动编码器、玻尔兹曼机、对抗网络)
  • 2022 年 11 月:我们都想知道图书馆内发生了什么。我们通过获取少量数据点并通过手动计算识别异常点来解释隔离森林算法。解释算法的独特方法!
  • 2022 年 7 月: AutoML 是 IT 和 ML 行业的新发展。AutoML 是指在不编写任何代码的情况下部署机器学习。添加了使用 PowerBI 的异常检测。
  • 2022 年 6 月:添加了关于预测高影响低量事件:预测性维护的新视频讲座。
  • 2022 年 5 月:关于*PyOD 的*新视频讲座:添加了 10 种算法的比较

**————————————————– ————————————————– ——————

课程说明**

异常是指与其他数据点不匹配或不融合的数据点。检测过程区域中的这个异常点或一组异常点非常有益,因为它可以指出影响组织的潜在问题。事实上,异常检测一直是商业领域人工智能(机器学习)领域中采用最广泛的领域。作为人工智能的从业者,我总是要求我的客户在人工智能之旅中从异常检测开始,因为即使数据可用性有限,也可以应用异常检测。

异常检测可以应用于以下领域:

· 制造业的预测性维护

· 跨行业欺诈检测

· 跨行业的监督活动

· 客户服务和零售行业

。销售量

该计划将涵盖以下内容:

· 三种类型的异常检测——基于时间、非基于时间和图像。其中,图像异常是人工智能的一个新领域。就像我们分析数字一样,我们现在可以分析图像并识别异常情况。

· 机器学习和深度学习概念

· 有监督和无监督算法(DBSCAN、隔离森林)

。使用深度学习技术进行图像异常检测

· 异常检测可以应用的场景

· 对 Python 进行了非常详细的介绍,以帮助那些刚接触 Python 或想要复习任何 Python 主题的人。

异常检测是一个可以应用于任何类型业务的领域,因此踏上人工智能之旅的组织通常首先探索异常检测领域。因此,作为专业人士和学生,您也可以探索这个奇妙的领域!

本课程适合谁:

  • 机器和深度学习爱好者
  • 数据科学/分析经理和负责人
  • 数据科学初学者

本站是综合资源网站,除了课程之外,还有常用软件,模板素材等内容。 开通会员账号之后,网站中的所有内容均可免费下载。

本站从2019年开始运行,截至目前已经有3年多时间,诚信经营,会员过万。 本站在国内外均有服务器,所有数据均有3级容灾备份,安全问题不用担心。

由于商品的特殊性,本站不支持退款,所以在开通会员之前,请确认你的需求。 如果不放心,可以先单独购买课程,或者开通体验会员体验,满意再升级其他会员套餐。

本站所有课程,均存储在阿里云盘和百度网盘中,可以在线观看,也可以下载后本地观看。

每一个课程页面,都有演示地址选项,点击链接可以跳转到课程发布网站查看详细课程列表。绝大部分课程都有试看内容,可以先点击试看,再决定是否购买。