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.
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

نظری ارسال نشده است.

آموزش ساخت مدلی برای تشخیص ناهنجاری در داده های سری زمانی
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 13m
22
Pluralsight (پلورال سایت) pluralsight-small
31 تیر 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
از 5
دارد
دارد
دارد

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.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.