【O’Reilly讲座】基于深度学习的异常检测方法用于检测大型数据集的质量：Anomaly detection using deep learning to measure the quality of large datasets

题目

基于深度学习的异常检测方法用于检测大型数据集的质量：Anomaly detection using deep learning to measure the quality of large dataset

简介

任何企业，无论大小，都取决于分析，无论目标是创收、减少客户流失，还是销售或营销目的。无论使用何种算法和技术，结果都取决于所处理数据的准确性和一致性。看看一些用于评估数据质量的技术和检测数据异常的方法。 Sridhar Alla带领您深入学习神经网络和各种技术，您可以用来检测数据异常。为了从数据中获取价值，不管实现了什么样的ML算法和建模技术，如预测分析、聚类、贝叶斯信念网络、回归模型，最终模型的有效性直接取决于所使用的特征，这又取决于目的。为了解决这个问题，我们实现了一些模块来定义正在使用的数据的属性，检测数据中的异常，报告它，并使涉众能够讨论和采取纠正措施。 Sridhar展示了如何使用NVIDIA gpu、Keras和TensorFlow（使用Python 3.6）对可分析的数据量和检测到的异常进行限制。在时间序列数据上实现了类似的技术，特别是使用LSTM。您将了解基于深度学习的自动编码、无监督聚类和基于密度的方法。Sridhar展示了一些使用Jupyter笔记本的代码，向您展示了如何在组织中实现类似的策略。