نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره به شما یاد می دهد که چگونه الگوریتم های یادگیری عمیق را برای شناسایی و کاهش ناهنجاری ها در داده ها مانند سری های زمانی ایجاد کنید. در این دوره، تشخیص ناهنجاری های داده ها با استفاده از تکنیک های یادگیری عمیق با TensorFlow 2.4، یاد خواهید گرفت که الگوهای خاص را در مجموعه داده های بزرگ تشخیص دهید. که می تواند به عنوان ناهنجاری برچسب گذاری شود. ابتدا، نحوه تعریف دقیق ناهنجاری ها در داده ها را بررسی خواهید کرد. در مرحله بعد، الگوریتم های تشخیص را کشف خواهید کرد. در نهایت، یاد خواهید گرفت که چگونه داده های غیرعادی را کاهش دهید. پس از اتمام این دوره، مهارت ها و دانش ایجاد الگوریتم های یادگیری ماشینی مورد نیاز برای مقابله با ناهنجاری های مختلف در داده ها را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
مقدمه
Introduction
-
مقدمه
Introduction
-
خلاصه
Summary
-
روش های آماری
Statistical Methods
-
پیش نیازها
Prerequisites
تجزیه و تحلیل داده های اکتشافی
Exploratory Data Analysis
-
یافتن مجموعه داده
Finding a Dataset
-
نسخه ی نمایشی: EDA قسمت 1
Demo: EDA Part 1
-
نسخه ی نمایشی: EDA قسمت 2
Demo: EDA Part 2
تعریف و انواع ناهنجاری
Definition and Anomaly Types
-
طبقه بندی
Taxonomy
-
داده های واقعی
Real Data
الگوریتم های تشخیص
Detection Algorithms
-
نسخه ی نمایشی: رویکردهای آماری قسمت 1
Demo: Statistical Approaches Part 1
-
نسخه ی نمایشی: رویکردهای آماری قسمت 2
Demo: Statistical Approaches Part 2
-
نسخه ی نمایشی: رویکردهای یادگیری عمیق قسمت 1
Demo: Deep-Learning Approaches Part 1
-
نسخه ی نمایشی: رویکردهای یادگیری عمیق قسمت 2
Demo: Deep-Learning Approaches Part 2
تکنیک های کاهش
Mitigation Techniques
-
تکنیک ها و معیارها
Techniques and Metrics
نمایش نظرات