Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Afwijkingen komen in vrijwel elke gegevensset voor. Het is belangrijk om ze te detecteren en ermee om te gaan voordat je verdergaat met statistische analyses. In deze cursus leer je Python gebruiken voor diverse methoden voor anomaliedetectie. Je identificeert uitschieters visueel en past statistische methoden en technieken toe voor univariate en multivariate data. Ook ontdek je hoe je meerdere outlier-classifiers kunt combineren voor een betrouwbare eindschatting. Met deze vaardigheid in je Python-gereedschapskist kun je beter aan de slag met datacleaning, fraudedetectie en het opsporen van systeemstoringen.
Vereisten
Lesprogramma
Cursusoverzicht
1
Univariate uitschieters detecteren
Dit hoofdstuk behandelt technieken om uitschieters in eendimensionale data te detecteren met histogrammen, spreidingsdiagrammen, boxplots, z-scores en aangepaste z-scores.
- Wat zijn anomalieën en uitschieters?50 XP
- Print een 5-getallensamenvatting100 XP
- Histogrammen voor het detecteren van uitschieters100 XP
- Scatterplots voor outlierdetectie100 XP
- Boxplots en IQR50 XP
- Boxplots voor het detecteren van uitschieters100 XP
- Uitschietersgrenzen berekenen met IQR100 XP
- Uiterste waarden gebruiken om te filteren100 XP
- Z-scores gebruiken voor anomaliedetectie50 XP
- Uitschieters vinden met z-scores100 XP
- Gewijzigde z-scores gebruiken met PyOD100 XP
2
Isolation Forests met PyOD
In dit hoofdstuk leer je precies hoe het Isolation Forest-algoritme werkt. Je verkent hoe Isolation Trees worden opgebouwd, de essentiële parameters van PyOD’s IForest en hoe je die afstemt, en hoe je de output van IForest interpreteert met behulp van waarschijnlijkheidsscores voor outliers.
3
Afstands- en dichtheidsgebaseerde algoritmen
Na een boomgebaseerde outlier-classifier ga je aan de slag met een klasse van afstands- en dichtheidsgebaseerde detectoren. KNN- en Local Outlier Factor-classifiers zijn hier zeer effectief in gebleken, en je leert hoe je ze toepast.
4
Anomaliedetectie in tijdreeksen en outlier-ensembles
In dit hoofdstuk leer je anomaliedetectie uitvoeren op tijdreeksgegevenssets en maak je je voorspellingen stabieler en betrouwbaarder met behulp van outlier-ensembles.
Anomaly Detection in Python
Cursus
voltooid
