فرآیند فعالسازی مجدد لینکهای دانلود آغاز شده است. با توجه به حجم بالای محتوا و طی شدن مراحل فنی آمادهسازی، فعال شدن کامل دسترسیها برای تمامی کاربران کمی زمان میبرد.پیشاپیش از صبوری شما سپاسگزاریم.
✅ امکان تهیه دورهها فراهم است و لینکها به نوبت در حال فعالسازی هستند.
زمان اشتراکها، تمدید و اصلاح می شوند.
راه ارتباطی در ایتا 09303953766
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساخت مدلی برای تشخیص ناهنجاری در داده های سری زمانی
- آخرین آپدیت
Build a Model for Anomaly Detection in Time Series Data
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره تکنیک هایی را به شما آموزش می دهد تا مدلی برای تشخیص ناهنجاری بر روی مجموعه داده سری زمانی خودتان بسازید.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
مقدمه ای بر داده های سری زمانی و تشخیص ناهنجاری
Introduction to Time Series Data and Anomaly Detection
خلاصه دوره و ماژول
Course and Module Summary
داده های سری زمانی چیست؟
What Is Time Series Data?
تجزیه و تحلیل داده های سری زمانی
Analysing Time Series Data
ایستایی و خودهمبستگی
Stationarity and Autocorrelation
مقدمه ای بر تشخیص ناهنجاری
Introduction to Anomaly Detection
نسخه ی نمایشی: تنظیم محیط شما
Demo: Setting up Your Environment
خلاصه ماژول
Module Summary
ساخت مدلی برای خودکارسازی تشخیص ناهنجاری
Building a Model to Automate Anomaly Detection
نمای کلی ماژول
Module Overview
تجزیه STL
STL Decomposition
درختان طبقه بندی و رگرسیون (CART)
Classification and Regression Trees (CART)
تشخیص ناهنجاری مبتنی بر خوشه
Clustering-based Anomaly Detection
تشخیص ناهنجاری با استفاده از رمزگذارهای خودکار
Anomaly Detection Using Autoencoders
نسخه ی نمایشی: مقدمه ای بر مشکل و مجموعه داده ها
Demo: Introduction to the Problem and Dataset
نسخه ی نمایشی: تجزیه و تحلیل داده های اکتشافی و پاکسازی داده ها
Demo: Exploratory Data Analysis and Data Cleaning
نسخه ی نمایشی: پیش پردازش داده ها و کاهش ابعاد
Demo: Data Preprocessing and Dimensionality Reduction
نسخه ی نمایشی: ساخت مدلی برای تشخیص ناهنجاری
Demo: Building a Model for Anomaly Detection
خلاصه ماژول
Module Summary
ارزیابی مدل و مقابله با ناهنجاری ها
Model Evaluation and Dealing with Anomalies
Pratheerth یک دانشمند داده است که پس از ترکیبی التقاطی از تجربیات کاری و کاری وارد این حوزه شده است. وی دارای مدرک کارشناسی مهندسی در مکاترونیک از هند ، کارشناسی ارشد مدیریت مهندسی از استرالیا و سپس چند سال سابقه کار به عنوان مهندس تولید در خاورمیانه است. سپس هنگامی که اشکال A.I او را گاز گرفت ، او همه چیز را رها کرد تا زندگی خود را وقف این میدان کند. وی در حال حاضر به عنوان Data Scientist در زمینه مشاوره ، ایجاد دوره و فریلنسینگ کار می کند.
نمایش نظرات