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。

成为VIP会员查看完整内容
27

相关内容

基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
深度学习与医学图像分析
人工智能前沿讲习班
39+阅读 · 2019年6月8日
在数据采集器中用TensorFlow进行实时机器学习
云栖社区
4+阅读 · 2018年11月30日
动手写机器学习算法:异常检测 Anomaly Detection
七月在线实验室
11+阅读 · 2017年12月8日
侦测欺诈交易(异常点检测)
GBASE数据工程部数据团队
19+阅读 · 2017年5月10日
A Modern Introduction to Online Learning
Arxiv
19+阅读 · 2019年12月31日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
q-Space Novelty Detection with Variational Autoencoders
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
VIP会员
相关VIP内容
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
相关资讯
微信扫码咨询专知VIP会员