آموزش ساخت مدلی برای تشخیص ناهنجاری در داده های سری زمانی

Build a Model for Anomaly Detection in Time Series Data

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
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

  • نمای کلی ماژول Module Overview

  • نسخه ی نمایشی: ارزیابی مدل های تشخیص ناهنجاری Demo: Evaluating the Anomaly Detection Models

  • چگونه با ناهنجاری‌ها مقابله کنیم How to Deal with Anomalies

  • خلاصه ماژول و بازخورد Module Summary and Feedback

نمایش نظرات

آموزش ساخت مدلی برای تشخیص ناهنجاری در داده های سری زمانی
جزییات دوره
1h 13m
22
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pratheerth Padman Pratheerth Padman

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.