Začiatky detekcie anomálií pomocou hlbokého učenia založeného na jazyku Python: S Kerasom a Pytorchom

Recenzie čitateľov

Kniha získala negatívne ohlasy, pričom recenzent vyjadril sklamanie nad jej dĺžkou a kvalitou obsahu. Kritizovali použitie veľkých obrázkov, ktoré zbytočne zaberajú miesto, a spochybnili kvalifikáciu jedného z autorov. Recenzent tiež vyjadril nedôveru k recenziám, ktoré sú k dispozícii na portáli Amazon.

Prínosy knihy neboli uvedené.

Kniha je príliš dlhá so zbytočnými prázdnymi miestami a veľkými obrázkami. Jeden z autorov nemá dostatočnú kvalifikáciu. Recenzent považuje obsah za zavádzajúci a domnieva sa, že kvalita vydania je nízka.

(na základe 2 čitateľských recenzií)

Pôvodný názov:

Beginning Anomaly Detection Using Python-Based Deep Learning: With Keras and Pytorch

Obsah knihy:

Využite túto prehľadnú príručku pre začiatočníkov, aby ste pochopili, ako možno hlboké učenie aplikovať na úlohu detekcie anomálií. Kniha sa s využitím Keras a PyTorch v jazyku Python zameriava na to, ako možno rôzne modely hlbokého učenia aplikovať na úlohy poloprevádzkovej a neprevádzkovej detekcie anomálií.

Táto kniha sa začína vysvetlením, čo je detekcia anomálií, na čo sa používa a aký má význam. Po opise štatistických a tradičných metód strojového učenia na detekciu anomálií pomocou Scikit-Learn v jazyku Python kniha následne poskytuje úvod do hlbokého učenia s podrobnosťami o tom, ako vytvoriť a trénovať model hlbokého učenia v Kerase aj PyTorchu, a potom sa presunie pozornosť na aplikácie nasledujúcich modelov hlbokého učenia na detekciu anomálií: rôzne typy autoenkodérov, obmedzené Boltzmannove stroje, RNN a LSTM a časové konvolučné siete. Kniha skúma nekontrolovanú a čiastočne kontrolovanú detekciu anomálií spolu so základmi detekcie anomálií založenej na časových radoch.

Na konci knihy budete dôkladne rozumieť základnej úlohe detekcie anomálií, ako aj rôznym metódam prístupu k detekcii anomálií, od tradičných metód až po hlboké učenie. Okrem toho sa zoznámite s programom Scikit-Learn a budete môcť vytvárať modely hlbokého učenia v programoch Keras a PyTorch.

Čo sa naučíte

⬤ Pochopíte, čo je detekcia anomálií a prečo je v dnešnom svete dôležitá.

⬤ Zoznámiť sa so štatistickými a tradičnými prístupmi strojového učenia k detekcii anomálií pomocou Scikit-Learn.

⬤ Zoznámiť základy hlbokého učenia v jazyku Python pomocou Keras a PyTorch.

⬤ Znáť základné pojmy dátovej vedy na meranie výkonnosti modelu: rozumieť, čo je AUC, čo znamená presnosť a odvolanie a ďalšie.

⬤ Aplikovať hlboké učenie na čiastočne kontrolovanú a nekontrolovanú detekciu anomálií.

Pre koho je táto kniha určená

Dátovým vedcom a inžinierom strojového učenia, ktorí majú záujem naučiť sa základy aplikácií hlbokého učenia pri detekcii anomálií.