آموزش مبانی شناسایی ناهنجاری (Anomaly Detection) - آخرین آپدیت

دانلود Foundations of Anomaly Detection

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بسیاری از دانشمندان داده برای شناسایی ناهنجاری، حتی پیش از تعریف مفهوم «عادی»، نوع ناهنجاری مورد نظر یا بررسی مناسب بودن این روش برای مسئله، مستقیماً به سراغ الگوریتم‌ها می‌روند. در دوره «مبانی شناسایی ناهنجاری»، شما توانایی تحلیل یک مسئله ناهنجاری را از پایه و پیش از شروع هرگونه مدل‌سازی کسب خواهید کرد. ابتدا با مفهوم شناسایی ناهنجاری، شهود اصلی در مدل‌سازی حالت «عادی»، تفاوت آن با طبقه‌بندی (Classification)، رگرسیون (Regression) و خوشه‌بندی (Clustering) و سه نوع ناهنجاری که با آن‌ها مواجه خواهید شد، آشنا می‌شوید. سپس در خواهید یافت که چه زمانی شناسایی ناهنجاری ابزار مناسبی است، مقایسه آن با سیستم‌های قانون‌محور و سایر رویکردها و اینکه چرا تعریف «عادی» دشوارتر از آن است که به نظر برسد. در نهایت، یاد می‌گیرید که چگونه یک مسئله واقعی ناهنجاری را با ترکیب نوع ناهنجاری، ریسک کسب‌وکار و تعریف حالت عادی در قالب یک بیانیه مسئله شفاف چارچوب‌بندی کنید و سپس احتمال موفقیت شناسایی ناهنجاری در آن مورد را ارزیابی نمایید. پس از اتمام این دوره، شما پایه‌های مفهومی لازم برای شناسایی کاربردهای شناسایی ناهنجاری و تعریف مسائلی را خواهید داشت که منجر به ساخت سیستم‌های ارزشمند شود.

سرفصل ها و درس ها

درک شناسایی ناهنجاری Understanding anomaly detection

  • معرفی دوره Course introduction

  • شهود اصلی The core intuition

  • تفاوت‌های شناسایی ناهنجاری How anomaly detection differs

  • چرا شناسایی ناهنجاری اهمیت دارد Why anomaly detection matters

  • انواع ناهنجاری‌ها Types of anomalies

به‌کارگیری شناسایی ناهنجاری Putting anomaly detection to work

  • چرا رویدادهای نادر؟ Why rare events?

  • مقایسه رویکردها Comparing approaches

  • ناهنجاری‌های آماری در مقابل عملیاتی Statistical vs. operational anomalies

  • تعریف حالت عادی Defining normal

  • چارچوب‌بندی یک مسئله واقعی Framing a real-world problem

  • ارزیابی تناسب و اصول کلیدی Assessing fit and key principles

نمایش نظرات

آموزش مبانی شناسایی ناهنجاری (Anomaly Detection)
جزییات دوره
28m
11
(آخرین آپدیت)
3
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.