Kezdő anomália-felderítés Python-alapú mélytanulással: With Keras and Pytorch

Olvasói vélemények

A könyv negatív visszajelzéseket kapott, a recenzens csalódottságát fejezte ki a könyv hossza és tartalmi minősége miatt. Kifogásolták a nagyméretű képek használatát, amelyek pazarolták a helyet, és megkérdőjelezték az egyik szerző képzettségét. A recenzens bizalmatlanságát fejezte ki az Amazonon elérhető véleményekkel kapcsolatban is.

A könyv előnyeiről nem számolt be.

A könyv túlzottan hosszú, felesleges üres helyekkel és nagyméretű képekkel. Az egyik szerző nem rendelkezik megfelelő képesítéssel. A recenzens félrevezetőnek találja a tartalmat, és úgy véli, hogy a kiadás minősége gyenge.

(2 olvasói vélemény alapján)

Eredeti címe:

Beginning Anomaly Detection Using Python-Based Deep Learning: With Keras and Pytorch

Könyv tartalma:

Használja ezt a könnyen követhető kezdő útmutatót, hogy megértse, hogyan alkalmazható a mélytanulás az anomália-felismerés feladatára. A Pythonban használt Keras és PyTorch segítségével a könyv arra összpontosít, hogyan alkalmazhatók a különböző mélytanulási modellek a félig felügyelt és a felügyelet nélküli anomália-felismerési feladatokra.

A könyv azzal kezdődik, hogy elmagyarázza, mi az anomália-érzékelés, mire használják, és mi a fontossága. A Pythonban használt Scikit-Learn segítségével az anomália-felismerés statisztikai és hagyományos gépi tanulási módszereinek ismertetése után a könyv bevezetést nyújt a mélytanulásba, részletesen bemutatva, hogyan lehet mélytanulási modellt építeni és betanítani mind a Keras, mind a PyTorch programban, mielőtt a hangsúlyt a következő mélytanulási modellek anomália-felismerésre való alkalmazására helyezné: különböző típusú Autoencoderek, Restricted Boltzmann Machines, RNN-k és LSTM-ek, valamint Temporális konvolúciós hálózatok. A könyv feltárja a felügyelet nélküli és félig felügyelt anomália-felismerést, valamint az idősor-alapú anomália-felismerés alapjait.

A könyv végére alaposan megérti az anomália-felismerés alapvető feladatát, valamint az anomália-felismerés megközelítésére szolgáló módszerek választékát, a hagyományos módszerektől kezdve a mélytanulásig. Emellett megismerkedhet a Scikit-Learnnel, és képes lesz mélytanulási modelleket létrehozni a Keras és a PyTorch programokban.

Mit fogsz tanulni

⬤ Megérti, hogy mi az anomália-érzékelés és miért fontos a mai világban.

⬤ Megismerkedik az anomália-felismerés statisztikai és hagyományos gépi tanulási megközelítéseivel a Scikit-Learn használatával.

⬤ Tudja a mélytanulás alapjait Pythonban a Keras és a PyTorch használatával.

⬤ Tudja az alapvető adattudományi fogalmakat egy modell teljesítményének mérésére: megértse, mi az AUC, mit jelent a pontosság és a visszahívás, és így tovább.

⬤  Alkalmazza a mélytanulást a félig felügyelt és nem felügyelt anomália-felismerésre.

Kinek szól ez a könyv

Adattudósok és gépi tanulással foglalkozó mérnökök, akiket érdekel a mélytanulás anomália-felismerésben való alkalmazásának alapjainak elsajátítása.