【Udemy中英字幕】Anomaly Detection: Machine Learning, Deep Learning, AutoML

异常检测：机器学习、深度学习、AutoML

涵盖基于时间、非基于时间和图像异常 | 了解图书馆内发生的事情 | 借助人工智能解释器

讲师：SeaportAi .

口袋资源独家Mosh付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

你将学到什么

• 什么是异常？
• 异常检测可以应用在哪些领域？
• 异常检测技术有哪三种类型？
• 如何分析基于时间的数据是否存在异常？
• 如何利用监督学习来识别异常？
• 如何应用DBSCAN、隔离森林等无监督学习算法来检测异常？
• 如何分析图像并识别其中的异常？

要求

• 没有任何。

描述

最近更新

• 2023 年 2 月：解释算法的结果总是具有挑战性，在无人监督的领域更是如此。我们添加了关于这个有趣领域的视频讲座。
• 2023 年 1 月：使用深度学习添加异常检测算法（自动编码器、玻尔兹曼机、对抗网络）
• 2022 年 11 月：我们都想知道图书馆内发生了什么。我们通过获取少量数据点并通过手动计算识别异常点来解释隔离森林算法。解释算法的独特方法！
• 2022 年 7 月： AutoML 是 IT 和 ML 行业的新发展。AutoML 是指在不编写任何代码的情况下部署机器学习。 添加了使用 PowerBI 的异常检测。 
• 2022 年 6 月：添加了关于预测高影响低量事件：预测性维护的新视频讲座。
• 2022 年 5 月：关于PyOD 的新视频讲座：添加了 10 种算法的比较

————————————————– ————————————————– ——————

课程说明

异常是指与其他数据点不匹配或不融合的数据点。检测过程区域中的这个异常点或一组异常点非常有益，因为它可以指出影响组织的潜在问题。事实上，异常检测一直是商业领域人工智能（机器学习）领域中采用最广泛的领域。作为人工智能的从业者，我总是要求我的客户在人工智能之旅中从异常检测开始，因为即使数据可用性有限，也可以应用异常检测。

异常检测可以应用于以下领域：

· 制造业的预测性维护

· 跨行业欺诈检测

· 跨行业的监督活动

· 客户服务和零售行业

。销售量

该计划将涵盖以下内容：

· 三种类型的异常检测——基于时间、非基于时间和图像。其中，图像异常是人工智能的一个新领域。就像我们分析数字一样，我们现在可以分析图像并识别异常情况。

· 机器学习和深度学习概念

· 有监督和无监督算法（DBSCAN、隔离森林）

。使用深度学习技术进行图像异常检测

· 异常检测可以应用的场景

· 对 Python 进行了非常详细的介绍，以帮助那些刚接触 Python 或想要复习任何 Python 主题的人。

异常检测是一个可以应用于任何类型业务的领域，因此踏上人工智能之旅的组织通常首先探索异常检测领域。因此，作为专业人士和学生，您也可以探索这个奇妙的领域！

本课程适合谁：

• 机器和深度学习爱好者
• 数据科学/分析经理和负责人
• 数据科学初学者