Python深度學(xué)習(xí)異常檢測(cè)：使用Keras和PyTorch

定　價(jià)：￥98.00

作　者：	[美] 斯里達(dá)爾·阿拉，[美] 蘇曼·卡拉揚(yáng)·阿達(dá)里著，楊小冬譯
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥83.30)

ISBN：	9787302559429	出版時(shí)間：	2020-08-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	304	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　在《Python深度學(xué)習(xí)異常檢測(cè) 使用Keras和PyTorch》這本通俗易懂的入門級(jí)指南的引導(dǎo)下，了解如何將深度學(xué)習(xí)應(yīng)用于各種異常檢測(cè)任務(wù)！《Python深度學(xué)習(xí)異常檢測(cè) 使用Keras和PyTorch》濃墨重彩地描述如何利用Python中的Keras和PyTorch框架，將各種深度學(xué)習(xí)模型應(yīng)用于半監(jiān)督和無(wú)監(jiān)督異常檢測(cè)任務(wù)?！禤ython深度學(xué)習(xí)異常檢測(cè) 使用Keras和PyTorch》開篇討論異常檢測(cè)的含義、用途和重要性。在介紹用Python的scikit-learn進(jìn)行異常檢測(cè)的統(tǒng)計(jì)和傳統(tǒng)機(jī)器學(xué)習(xí)方法后，《Python深度學(xué)習(xí)異常檢測(cè) 使用Keras和PyTorch》引入深度學(xué)習(xí)方法，詳述如何在Keras和PyTorch中構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型，重點(diǎn)分析各類自動(dòng)編碼器、RBM、RNN、LSTM和TCN等深度學(xué)習(xí)模型在異常檢測(cè)領(lǐng)域的應(yīng)用。除了講解基于時(shí)間序列的異常檢測(cè)的基礎(chǔ)知識(shí)外，《Python深度學(xué)習(xí)異常檢測(cè) 使用Keras和PyTorch》還探索無(wú)監(jiān)督和半監(jiān)督異常檢測(cè)的相關(guān)內(nèi)容。學(xué)習(xí)《Python深度學(xué)習(xí)異常檢測(cè) 使用Keras和PyTorch》后，你將全面了解異常檢測(cè)的基本任務(wù)，掌握各種處理異常檢測(cè)的方法（從傳統(tǒng)方法到深度學(xué)習(xí)方法等）；還將了解scikit-learn的相關(guān)內(nèi)容，能在Keras和PyTorch中創(chuàng)建深度學(xué)習(xí)模型。《Python深度學(xué)習(xí)異常檢測(cè) 使用Keras和PyTorch》主要內(nèi)容：了解異常檢測(cè)的含義及其重要性熟悉利用scikit-learn進(jìn)行異常檢測(cè)的統(tǒng)計(jì)和傳統(tǒng)機(jī)器學(xué)習(xí)方法借助Keras和PyTorch了解Python深度學(xué)習(xí)的基本知識(shí)掌握度量模型性能的基本數(shù)據(jù)科學(xué)概念：AUC、精確率和召回率等將深度學(xué)習(xí)應(yīng)用于半監(jiān)督和無(wú)監(jiān)督異常檢測(cè)

作者簡(jiǎn)介

　　Sridhar Alla，Bluewhale公司的聯(lián)合創(chuàng)始人兼首席技術(shù)官（CTO）。該公司致力于幫助各種規(guī)模的組織構(gòu)建人工智能（AI）驅(qū)動(dòng)的大數(shù)據(jù)解決方案和分析方法。Sridhar撰寫了很多圖書，眾多的Strata、HadoopWorld、SparkSummit相關(guān)會(huì)議爭(zhēng)相邀請(qǐng)他做主題演講。此外，他還在大規(guī)模計(jì)算和分布式系統(tǒng)領(lǐng)域擁有在美國(guó)專利商標(biāo)局備案的一些專利。他對(duì)很多相關(guān)技術(shù)擁有豐富的使用經(jīng)驗(yàn)，其中包括Spark、Flink、Hadoop、AWS、Azure、Tensor Flow、Cassandra等。2019年3月，他曾在StrataSFO上做了關(guān)于深度學(xué)習(xí)異常檢測(cè)的演講。2019年10月，他曾在StrataLondon大會(huì)上做相關(guān)演講。Sridhar出生在印度海得拉巴，目前與妻子Rosie和女兒Evelyn一起居住在美國(guó)新澤西州。平時(shí)，在編寫代碼之余，他喜歡與家人共度美好時(shí)光。此外，他還熱衷于培訓(xùn)和教學(xué)指導(dǎo)工作，并經(jīng)常組織一些技術(shù)交流活動(dòng)。Suman KalyanAdari，一名大學(xué)本科學(xué)生，在佛羅里達(dá)大學(xué)攻讀計(jì)算機(jī)科學(xué)學(xué)士學(xué)位。從大學(xué)一年級(jí)起，他就一直針對(duì)深度學(xué)習(xí)在網(wǎng)絡(luò)安全領(lǐng)域的應(yīng)用進(jìn)行深入研究；在2019年6月，他曾經(jīng)在美國(guó)俄勒岡州波特蘭市舉辦的IEEE可靠系統(tǒng)與網(wǎng)絡(luò)研討會(huì)上做了關(guān)于安全可靠的機(jī)器學(xué)習(xí)的演講。Suman對(duì)深度學(xué)習(xí)的相關(guān)研究充滿熱情，尤其專注于深度學(xué)習(xí)在各個(gè)領(lǐng)域的實(shí)際應(yīng)用，例如視頻處理、圖像識(shí)別、異常檢測(cè)、有針對(duì)性的對(duì)抗攻擊等。

圖書目錄

第1章異常檢測(cè)
1．1 什么是異常？
1．1．1 異常的天鵝
1．1．2 數(shù)據(jù)點(diǎn)形式的異常
1．1．3 時(shí)間序列中的異常
1．1．4 出租車
1．2 異常的類別
1．2．1 基于數(shù)據(jù)點(diǎn)的異常
1．2．2 基于上下文的異常
1．2．3 基于模式的異常
1．3 異常檢測(cè)
1．3．1 離群值檢測(cè)
1．3．2 噪點(diǎn)消除
1．3．3 奇異值檢測(cè)
1．4 異常檢測(cè)的三種樣式
1．5 異常檢測(cè)用在什么地方？
1．5．1 數(shù)據(jù)泄露
1．5．2 身份盜用
1．5．3 制造業(yè)
1．5．4 網(wǎng)絡(luò)服務(wù)
1．5．5 醫(yī)療領(lǐng)域
1．5．6 視頻監(jiān)控
1．6 本章小結(jié)
第2章傳統(tǒng)的異常檢測(cè)方法
2．1 數(shù)據(jù)科學(xué)知識(shí)回顧
2．2 孤立森林
2．2．1 變種魚
2．2．2 使用孤立森林進(jìn)行異常檢測(cè)
2．3 一類支持向量機(jī)
2．4 本章小結(jié)
第3章深度學(xué)習(xí)簡(jiǎn)介
3．1 什么是深度學(xué)習(xí)？
3．2 Keras簡(jiǎn)介：一種簡(jiǎn)單的分類器模型
3．3 PyTorch簡(jiǎn)介：一種簡(jiǎn)單的分類器模型
3．4 本章小結(jié)
第4章自動(dòng)編碼器
4．1 什么是自動(dòng)編碼器？
4．2 簡(jiǎn)單自動(dòng)編碼器
4．3 稀疏自動(dòng)編碼器
4．4 深度自動(dòng)編碼器
4．5 卷積自動(dòng)編碼器
4．6 降噪自動(dòng)編碼器
4．7 變分自動(dòng)編碼器
4．8 本章小結(jié)
第5章玻爾茲曼機(jī)
5．1 什么是玻爾茲曼機(jī)？
5．2 受限玻爾茲曼機(jī)（RBM）
5．2．1 使用RBM進(jìn)行異常檢測(cè)——信用卡數(shù)據(jù)集
5．2．2 使用RBM進(jìn)行異常檢測(cè)——KDDCUP數(shù)據(jù)集
5．3 本章小結(jié)
第6章長(zhǎng)短期記憶網(wǎng)絡(luò)模型
6．1 序列和時(shí)間序列分析
6．2 什么是RNN？
6．3 什么是LSTM？
6．4 使用LSTM進(jìn)行異常檢測(cè)
6．5 時(shí)間序列的示例
6．5．1 art_daily_no_noise
6．5．2 art_daily_nojump
6．5．3 art_daily_jumpsdown
6．5．4 art_daily_perfect_square_wave
6．5．5 art_load_balancer_spikes
6．5．6 ambient_temperature_system_failure
6．5．7 ec2_cpu_utilization
6．5．8 rds_cpu_utilization
6．6 本章小結(jié)
第7章時(shí)域卷積網(wǎng)絡(luò)
7．1 什么是時(shí)域卷積網(wǎng)絡(luò)？
7．2 膨脹時(shí)域卷積網(wǎng)絡(luò)
7．3 編碼器一解碼器時(shí)域卷積網(wǎng)絡(luò)
7．4 本章小結(jié)
第8章異常檢測(cè)實(shí)際應(yīng)用案例
8．1 什么是異常檢測(cè)？
8．2 異常檢測(cè)的實(shí)際應(yīng)用案例
8．2．1 電信
8．2．2 銀行服務(wù)
8．2．3 環(huán)境
8．2．4 醫(yī)療保健
8．2．5 交通運(yùn)輸
8．2．6 社交媒體
8．2．7 金融和保險(xiǎn)
8．2．8 網(wǎng)絡(luò)安全
8．2．9 視頻監(jiān)控
8．2．10 制造業(yè)
8．2．11 智能住宅
8．2．12 零售業(yè)
8．3 實(shí)現(xiàn)基于深度學(xué)習(xí)的異常檢測(cè)
8．4 本章小結(jié)
附錄A Keras簡(jiǎn)介
附錄B PyTorch簡(jiǎn)介