返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 诺森Python深度学习异常检测(使用Keras和PyTorch)
  • 正版
    • 作者: (美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著著 | (美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著编 | (美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著译 | (美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著绘
    • 出版社: 清华大学出版社
    • 出版时间:2020-08
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    诺森文化制品专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: (美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著著| (美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著编| (美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著译| (美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著绘
    • 出版社:清华大学出版社
    • 出版时间:2020-08
    • 版次:1
    • 印次:1
    • 印刷时间:2020-08-01
    • 字数:409千字
    • 页数:304
    • 开本:16开
    • ISBN:9787302559429
    • 版权提供:清华大学出版社
    • 作者:(美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著
    • 著:(美)斯里达尔·阿拉(Sridhar Alla),(美)苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著
    • 装帧:平装-胶订
    • 印次:1
    • 定价:98.00
    • ISBN:9787302559429
    • 出版社:清华大学出版社
    • 开本:16开
    • 印刷时间:2020-08-01
    • 语种:中文
    • 出版时间:2020-08
    • 页数:304
    • 外部编号:9878857
    • 版次:1
    • 成品尺寸:暂无

    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.. 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 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 视频监控
    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
    . 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?
    3.2 Keras简介:一种简单的分类器模型
    3.3 PyTorch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——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?
    6.4 使用LSTM进行异常检测
    6.5 时间序列的示例
    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-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.. 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 视频监控
    8.2.10 制造业
    8.2.11 智能住宅
    8.2.12 业
    8.3 实现基于深度学习的异常检测
    8.4 本章小结
    附录A Keras简介
    附录B PyTorch简介

    "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月,他曾在Strata London大会上做相关演讲。
    Sridhar出生在印度海得拉巴,目前与妻子Rosie和女儿Evelyn一起居住在美国新泽西州。平时,在编写代码之余,他喜欢与家人共度美好时光。此外,他还热衷于培训和教学指导工作,并经常组织一些技术交流活动。

    Suman Kalyan Adari是一名大学学生,在罗里达大学攻读计算机科学士学。从大学一年级起,他就一直针对深度学习在网络安全领域的应用进行深入研究;在2019年6月,他曾经在美国俄勒冈州波特兰市举办的IEEE可靠系统与网络研讨会上做了关于安全可靠的机器学习的演讲。
    Suman对深度学习的相关研究充满热情,尤其专注于深度学习在各个领域的实际应用,例如视频处理、图像识别、异常检测、有针对的对抗攻击等。
    "

    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。
    本书开篇讨论异常检测的含义、用途和重要。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PyTorch中构建和训练深度学习模型,重点分析各类自动编码器、RBM、RNN、LSTM和TCN等深度学习模型在异常检测领域的应用。除了讲解基于时间序列的异常检测的基础知识外,本书还探索无监督和半监督异常检测的相关内容。
    学习本书后,你将全面了解异常检测的基本任务,掌握各种处理异常检测的方法(从传统方法到深度学习方法等);还将了解scikit-learn的相关内容,能在Keras和PyTorch中创建深度学习模型。
    主要内容
    了解异常检测的含义及其重要
    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Keras和PyTorch了解Python深度学习的基本知识
    掌握度量模型能的基数据学概念: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

    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。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PyTorch中构建和训练深度学习模型,重点分析各类自动编码器、RBM、RNN、LSTM和TCN等深度学习模型在异常检测领域的应用。除了讲解基于时间序列的异常检测的基础知识外,本书还探索无监督和半监督异常检测的相关内容。 学习《Python深度学习异常检测 使用Keras和PyTorch》后,你将全面了解异常检测的基本任务,掌握各种处理异常检测的方法(从传统方法到深度学习方法等);还将了解scikit-learn的相关内容,能在Keras和PyTorch中创建深度学习模型。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购