Практикум под руководством инструктора
Приложения ИИ для обнаружения аномалий

Независимо от того, требуется ли вашей компании отслеживать угрозы кибербезопасности, мошеннические финансовые операции, дефекты продукции или состояние оборудования, ИИ может помочь выявить аномалии в данных до того, как они окажут влияние на ваш бизнес. Модели ИИ могут быть обучены и развернуты для автоматического анализа наборов данных, определения нормального поведения и быстрого и эффективного выявления нарушений в моделях. Эти модели затем могут быть использованы для прогнозирования будущих аномалий. Учитывая огромные объемы данных, доступные в различных отраслях промышленности, и едва заметные различия между нормальными и аномальными моделями, важно, чтобы компании использовали ИИ для быстрого обнаружения аномалий, представляющих угрозу.

На этом практикуме вы узнаете, как реализовать несколько подходов на базе ИИ для решения конкретного случая использования идентификации вторжений в сеть для телекоммуникаций. Вы изучите три различных метода обнаружения аномалий: с помощью XGBoost с ускорением на GPU, автоэнкодеров на основе глубокого обучения и генеративных состязательных сетей (GAN), а затем внедрите и сравните контролируемые и неконтролируемые методы обучения. В конце семинара вы сможете использовать ИИ для выявления аномалий в своих рабочих процессах в сфере телекоммуникаций, кибербезопасности, финансов, производства и других ключевых отраслях.

 

Цели обучения


На этом практикуме вам предстоит:
  • Подготовить данные и построить, обучить и оценить модели с помощью XGBoost, автоэнкодеров и GAN
  • Обнаруживать аномалии в наборах данных с размеченными и неразмеченными данными
  • Классифицировать аномалии по нескольким категориям независимо от того, были ли размечены исходные данные

Скачать описание практикума (PDF, 81,7 KБ)

Краткое описание практикума

Введение
(15 мин)
  • Знакомство с инструктором
  • Создание аккаунта на courses.nvidia.com/join
Обнаружение аномалий в данных с помощью XGBoost с ускорением на GPU
(120 мин)
Узнайте, как обнаружить аномалии в самообучаемой среде:
  • Подготовьте данные для ускорения на GPU, используя предоставленный набор данных
  • Обучите бинарный и многоклассовый классификатор с помощью популярного алгоритма машинного обучения XGBoost
  • Оцените и улучшите производительность модели’ перед развертыванием
Перерыв (60 мин)
Обнаружение аномалий в данных с помощью автоэнкодера с ускорением на GPU
(120 мин)
Узнайте, как выявлять аномалии с помощью неконтролируемого обучения:
  • Создайте и обучите автоэнкодер на базе глубокого обучения для работы с неразмеченными данными
  • Примените методики для разделения аномалий на несколько классов
  • Изучите другие приложения автоэнкодеров с ускорением на GPU.
Перерыв (15 мин)
Проект: Обнаружение аномалий в сетевых данных с помощью GAN
(120 мин)
Узнайте, как обнаружить аномалии с помощью GAN:
  • Тренируйте неконтролируемую модель обучения для создания новых данных
  • Используйте новые данные, чтобы сделать проблему контролируемой
  • Сравните эффективность нового подхода с традиционными подходами
Оценка и ответы & вопросы (15 мин)
 

Информация о практикуме

Продолжительность: 8 часов

Цена :$500 за участие в открытых практикумах. Свяжитесь с нами, чтобы уточнить стоимость корпоративных практикумов.

Обязательные требования:

  • Опыт работы с данными с использованием Python.
  • Опыт обучения глубоких нейронных сетей

Предлагаемые материалы для подготовки к участию в тренинге: Основы глубокого обучения в области компьютерного зрения, Введение в машинное обучение

Технологии: NVIDIA RAPIDS, XGBoost, TensorFlow, Keras, pandas, автоэнкодеры, GAN

Сертификат: После успешного завершения тестирования участники получат сертификат NVIDIA DLI для подтверждения своей квалификации и дальнейшего карьерного роста.

Аппаратные требования: ПК или ноутбук с поддержкой последней версии Chrome или Firefox. Каждому участнику будет предоставлен доступ к полностью настроенному облачному серверу с ускорением на GPU.

Язык: английский

У вас возникли вопросы?