Kurs
Python ile Anomali Tespiti
Orta SeviyeBeceri Seviyesi
Güncel 11.2025
PythonProbability & Statistics4 sa16 video59 Egzersiz4,950 XP7,199Başarı Belgesi
Ücretsiz Hesabınızı Oluşturun
Google ile devam edinDaha fazla seçenek gösterveya
Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.
Binlerce şirketten öğrencinin sevgisini kazandı
Bir Ekibi Eğitiyor musunuz?
İşletmeler için deneyinKurs Açıklaması
Veri Analizinizdeki Anormallikleri Tespit Edin
Aşırı değerler veya anomaliler hemen hemen her veri setinde mevcuttur ve istatistiksel incelemeye devam etmeden önce bunları tespit etmek ve ele almak çok önemlidir. Düzeltilmezse, anomaliler analizlerinizi kolayca bozabilir ve makine öğrenimi modellerinin performansını çarpıtabilir.
İzolasyon Ormanı ve Yerel Aykırı Değer Faktörü gibi Tahmincileri Kullanmayı Öğrenin
Bu kursta, Python'u kullanarak çeşitli anomali tespit yöntemleri uygulayacaksınız. Aşırı değerleri görsel olarak tespit edecek ve tek değişkenli veri kümeleri için Medyan Mutlak Sapma gibi test edilmiş istatistiksel teknikleri kullanacaksınız. Çok değişkenli veriler için, Isolation Forest, k-Nearest-Neighbors ve Local Outlier Factor gibi tahmincileri kullanmayı öğreneceksiniz. Ayrıca, birden fazla aykırı sınıflandırıcıyı düşük riskli bir nihai tahminciye nasıl birleştireceğinizi de öğreneceksiniz. Python ile anomali tespiti gibi veri bilimi alanında vazgeçilmez bir araç edinmiş olacaksınız.
Python İstatistik Araç Setinizi Genişletin
Daha iyi anomali tespiti, verilerinizi daha iyi anlamak ve özellikle sistem davranışıyla ilgili daha iyi kök neden analizi ve iletişim anlamına gelir. Bu beceriyi mevcut Python repertuarınıza eklemek, veri temizleme, dolandırıcılık tespiti ve sistem bozukluklarının belirlenmesi konusunda size yardımcı olacaktır.
Önkoşullar
Supervised Learning with scikit-learn1
Tek Değişkenli Aykırı Değerleri Tespit Etme
Bu bölüm, histogramlar, saçılım grafikleri, kutu grafikleri, z-skorları ve değiştirilmiş z-skorları kullanarak tek boyutlu verilerde aykırı değerleri tespit etme tekniklerini kapsar.
2
PyOD ile Isolation Forests
Bu bölümde, Isolation Forest algoritmasının nasıl çalıştığının tüm ayrıntılarını öğreneceksin. Isolation Trees’in nasıl kurulduğunu, PyOD’un IForest’inin temel parametrelerini ve bunların nasıl ayarlanacağını keşfet ve IForest çıktısını aykırı değer olasılık skorlarını kullanarak nasıl yorumlayacağını öğren.
3
Mesafe ve Yoğunluk Tabanlı Algoritmalar
Ağaç tabanlı bir aykırı değer sınıflandırıcısından sonra, mesafe ve yoğunluk tabanlı bir dedektör sınıfını keşfedeceksin. KNN ve Local Outlier Factor sınıflandırıcılarının bu alanda oldukça etkili olduğu kanıtlanmıştır ve bunları nasıl kullanacağını öğreneceksin.
4
Zaman Serisinde Anomali Tespiti ve Aykırı Değer Ansamblları
Bu bölümde, zaman serisi veri kümelerinde anomali tespiti yapmayı ve aykırı değer ansamblları kullanarak tahminlerini daha istikrarlı ve güvenilir hale getirmeyi öğreneceksin.
Python ile Anomali Tespiti
Kurs Tamamlandı
Başarı Belgesi Kazanın
Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyinSosyal medyada ve performans incelemenizde paylaşınŞimdi kaydolun
Bugün 19 milyondan fazla öğrenciye katılın ve Python ile Anomali Tespiti eğitimine başlayın!
Ücretsiz Hesabınızı Oluşturun
Google ile devam edinDaha fazla seçenek gösterveya
Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.
DataCamp for Mobile ile veri becerilerinizi geliştirin
Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.