Sau khi hoàn thành các khóa học này, tôi cảm thấy tự tin khi tạo các trực quan hóa và bảng điều khiển chuyên nghiệp
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Phát hiện ngoại lệ đơn biến
Chương này giới thiệu các kỹ thuật phát hiện ngoại lệ trong dữ liệu 1 chiều bằng biểu đồ tần suất, biểu đồ phân tán, biểu đồ hộp, z-score và z-score đã hiệu chỉnh.
- Anomalies và outliers là gì?50 XP
- In 5-number summary100 XP
- Dùng histogram để phát hiện ngoại lệ100 XP
- Biểu đồ phân tán để phát hiện ngoại lệ100 XP
- Biểu đồ hộp và IQR50 XP
- Boxplot để phát hiện ngoại lệ100 XP
- Tính giới hạn ngoại lệ bằng IQR100 XP
- Dùng ngưỡng ngoại lệ để lọc dữ liệu100 XP
- Sử dụng z-score để phát hiện bất thường50 XP
- Tìm ngoại lệ bằng z-score100 XP
- Dùng modified z-scores với PyOD100 XP
2
Isolation Forest với PyOD
Trong chương này, bạn sẽ tìm hiểu chi tiết cách hoạt động của thuật toán Isolation Forest. Khám phá cách xây dựng Isolation Tree, các tham số thiết yếu của IForest trong PyOD và cách tinh chỉnh chúng, cùng cách diễn giải đầu ra của IForest bằng điểm xác suất ngoại lệ.
3
Thuật toán dựa trên khoảng cách và mật độ
Sau bộ phân loại ngoại lệ dựa trên cây, bạn sẽ khám phá nhóm bộ dò dựa trên khoảng cách và mật độ. Các bộ phân loại KNN và Local Outlier Factor đã chứng minh hiệu quả cao trong lĩnh vực này, và bạn sẽ học cách sử dụng chúng.
4
Phát hiện bất thường chuỗi thời gian và tổ hợp ngoại lệ
Trong chương này, bạn sẽ học cách phát hiện bất thường trên tập dữ liệu chuỗi thời gian và làm cho dự đoán ổn định, đáng tin cậy hơn bằng cách sử dụng tổ hợp các bộ phát hiện ngoại lệ.
Phát hiện bất thường với Python
Hoàn
thành khóa học
