【O'Reilly AI Conference 2019】使用深度学习进行异常检测以测量大型数据集的质量（Anomaly detection using deep learning to measure the quality of large datasets），BlueWhale的联合创始人兼CTO Sridhar Alla

报告嘉宾： Sridhar Alla（蓝鲸）

报告时间： 2019年10月17日（周四） 13：45-14：25（下午）

报告题目： 使用深度学习进行异常检测以测量大型数据集的质量

报告人简介： Sridhar Alla，是BlueWhale的联合创始人兼CTO，BlueWhale汇集了大数据和人工智能领域，以提供全面的解决方案，以满足各种规模组织的业务需求。他和他的团队与云和工具无关，致力于通过预测建模和分析，容量规划，预测，异常检测，高级NLP，聊天机器人开发，SAS到Python的解决方案，将自己嵌入工作流中以提供战略和技术帮助迁移以及基于深度学习的模型构建和运营。Sridhar还是三本书的作者，也是在Strata，Hadoop World，Spark Summit等会议上的热情演讲者。

报告摘要： 无论规模大小，任何企业都依赖于分析，而目标是创收，减少客户流失，还是销售或营销目的。无论使用哪种算法和技术，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以及检测数据异常的方法。 Sridhar Alla引导您完成深度学习神经网络以及可用于检测数据异常的各种技术。为了从数据中获取价值，无论采用哪种机器学习算法和建模技术（例如预测分析，聚类，贝叶斯信念网络，回归模型），最终模型的有效性都直接取决于所使用的功能，这再次是取决于为此目的消耗的输入数据源。为了解决此问题，实施了一些模块来定义正在使用的数据的属性，并检测数据中的异常，将其报告，并使利益相关者能够讨论并采取纠正措施。 Sridhar展示了如何使用Python 3.6 使用NVIDIA GPU，Keras和TensorFlow突破了可分析和检测到的数据量的限制。对时间序列数据实施了类似的技术，尤其是使用LSTM。您将学习基于深度学习的自动编码器，无监督的聚类和基于密度的方法。Sridhar使用Jupyter笔记本显示了一些代码，向您展示了如何在组织中实施类似的策略。