书籍详情
![《Python深度学习异常检测使用Keras和PyTorch》[29M]百度网盘|亲测有效|pdf下载](/uploads/s0309/96395a2518939d2b.jpg)
Python深度学习异常检测使用Keras和PyTorch
- 出版社:文轩网旗舰店
- 出版时间:2020-08
- 热度:7270
- 上架时间:2024-06-30 09:08:33
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
作 者:(美)斯里达尔·阿拉,(美)苏曼·卡拉扬·阿达里 著 杨小东 译
定 价:98
出 版 社:清华大学出版社
出版日期:2020年08月01日
页 数:320
装 帧:平装
ISBN:9787302559429
"在这本通俗易懂的入门级指南的引导下，了解如何将深度学习应用于各种异常检测任务！本书浓墨重彩地描述如何利用Python中的Keras和PyTorch框架，将各种深度学习模型应用于半监督和无监督异常检测任务。
《Python深度学习异常检测 使用Keras和PyTorch》开篇讨论异常检测的含义、用途和重要性。在介绍用Python的scikit-learn进行异常检测的统计和传统机器学习方法后，本书引入深度学习方法，详述如何在Keras和PyTor等
●章异常检测
1．1什么是异常？
1．1．1异常的天鹅
1．1．2数据点形式的异常
1．1．3时间序列中的异常
1．1．4出租车
1．2异常的类别
1．2．1基于数据点的异常
1．2．2基于上下文的异常
1．2．3基于模式的异常
1．3异常检测
1．3．1离群值检测
1．3．2噪点消除
1．3．3奇异值检测
1．4异常检测的三种样式
1．5异常检测用在什么地方？
1．5．1数据泄r /> 1．5．2身份盗用
1．5．3制造业
1．5．4网络服务
1．5．5医疗领域
1．5．6监控
1．6本章小结
第2章传统的异常检测方法
2．1数据科学知识回顾
2．2孤立森林
2．2．1变种鱼
2．2．2使用孤立森林进行异常检测
2．3一类支持向量机
2．4本章小结
第3章深度学习简介
3．1什么是深度学习？
3．2Keras简介：一种简单的分类器模型
3．3PyTorch简介：一种简单的分类器模型
3．4本章小结
第4章自动编码器
4．1什么是自动编码器？
4．2简单自动编码器
4．3稀疏自动编码器
4．4深度自动编码器
4．5卷积自动编码器
4．6降噪自动编码器
4．7变分自动编码器
4．8本章小结
第5章玻尔兹曼机
5．1什么是玻尔兹曼机？
5．2受限玻尔兹曼机（RBM）
5．2．1使用RBM进行异常检测——信用卡数据集
5．2．2使用RBM进行异常检测——KDDCUP数据集
5．3本章小结
第6章长短期记忆网络模型
6．1序列和时间序列分析
6．2什么是RNN？
6．3什么是LSTM？
使用LSTM进行异常检测
6．5时间序列的示例
6．5．1art_daily_no_noise
6．5．2art_daily_nojump
6．5．3art_daily_jumpsdown
6．5．4art_daily_perfect_square_wave
6．5．5art_load_balancer_spikes
6．5．6ambient_temperature_system_failure
6．5．7ec2_cpu_utilization
6．5．8rds_cpu_utilization
6．6本章小结
第7章时域卷积网络
7．1什么是时域卷积网络？
7．2膨胀时域卷积网络
7．3编码器一解码器时域卷积网络
7．4本章小结
第8章异常检测实际应用案例
8．1什么是异常检测？
8．2异常检测的实际应用案例
8．2．1电信
8．2．2银行服务
8．2．3环境
8．2．4医疗保健
8．2．5交通运输
8．2．6社交媒体
8．2．7金融和保险
8．2．8网络安全
8．2．9监控
8．2．10制造业
8．2．11智能住宅
8．2．12零售业
8．3实现基于深度学异常检测
8．4本章小结
附录AKeras简介
附录BPyTorch简介
1．1什么是异常？
1．1．1异常的天鹅
1．1．2数据点形式的异常
1．1．3时间序列中的异常
1．1．4出租车
1．2异常的类别
1．2．1基于数据点的异常
1．2．2基于上下文的异常
1．2．3基于模式的异常
1．3异常检测
1．3．1离群值检测
1．3．2噪点消除
1．3．3奇异值检测
1．4异常检测的三种样式
1．5异常检测用在什么地方？
1．5．1数据泄r /> 1．5．2身份盗用
1．5．3制造业
1．5．4网络服务
1．5．5医疗领域
1．5．6监控
1．6本章小结
第2章传统的异常检测方法
2．1数据科学知识回顾
2．2孤立森林
2．2．1变种鱼
2．2．2使用孤立森林进行异常检测
2．3一类支持向量机
2．4本章小结
第3章深度学习简介
3．1什么是深度学习？
3．2Keras简介：一种简单的分类器模型
3．3PyTorch简介：一种简单的分类器模型
3．4本章小结
第4章自动编码器
4．1什么是自动编码器？
4．2简单自动编码器
4．3稀疏自动编码器
4．4深度自动编码器
4．5卷积自动编码器
4．6降噪自动编码器
4．7变分自动编码器
4．8本章小结
第5章玻尔兹曼机
5．1什么是玻尔兹曼机？
5．2受限玻尔兹曼机（RBM）
5．2．1使用RBM进行异常检测——信用卡数据集
5．2．2使用RBM进行异常检测——KDDCUP数据集
5．3本章小结
第6章长短期记忆网络模型
6．1序列和时间序列分析
6．2什么是RNN？
6．3什么是LSTM？
使用LSTM进行异常检测
6．5时间序列的示例
6．5．1art_daily_no_noise
6．5．2art_daily_nojump
6．5．3art_daily_jumpsdown
6．5．4art_daily_perfect_square_wave
6．5．5art_load_balancer_spikes
6．5．6ambient_temperature_system_failure
6．5．7ec2_cpu_utilization
6．5．8rds_cpu_utilization
6．6本章小结
第7章时域卷积网络
7．1什么是时域卷积网络？
7．2膨胀时域卷积网络
7．3编码器一解码器时域卷积网络
7．4本章小结
第8章异常检测实际应用案例
8．1什么是异常检测？
8．2异常检测的实际应用案例
8．2．1电信
8．2．2银行服务
8．2．3环境
8．2．4医疗保健
8．2．5交通运输
8．2．6社交媒体
8．2．7金融和保险
8．2．8网络安全
8．2．9监控
8．2．10制造业
8．2．11智能住宅
8．2．12零售业
8．3实现基于深度学异常检测
8．4本章小结
附录AKeras简介
附录BPyTorch简介
本书主要讲的是：了解异常检测的含义及其重要性；熟悉利用scikit-learn进行异常检测的统计和传统机器学习方法；借助Keras和PyTorch了解Python深度学基本知识；掌握度量模型性能的基本数据科学概念：AUC、率和召回率等；将深度学习应用于半监督和无监督异常检测。
(美)斯里达尔·阿拉,(美)苏曼·卡拉扬·阿达里 著 杨小东 译
"Sridhar Alla是Bluewhale公司的联合创始人兼首席技术官(CTO)。该公司致力于帮助各种规模的组织构建人工智能(AI)驱动的大数据解决方案和分析方法。Sridhar撰写了很多图书，众多的Strata、Hadoop World、Spark Summit相关会议争相邀请他做主题演讲。此外，他还在大规模计算和分布式系统领域拥有在美国商标局备案的一些。他对很多相关技术拥有丰富的使用经验，其中包括Spark、Flink、Hadoop、AWS、Azure、TensorFlow、Cassandra等。2019年3月，他曾在Strata SFO上做了关于深度学习异常检测的演讲。2019年10等