هل أعجبتك المعاينة؟
هذا هو الدرس الأول المجاني. احصل على وصول كامل — اطلب عرضًا تجريبيًا أو سجّل الدخول.
هل أعجبتك المعاينة؟
هذا هو الدرس الأول المجاني. احصل على وصول كامل — اطلب عرضًا تجريبيًا أو سجّل الدخول.
ستأخذك هذه الدروس عبر طرق مختلفة لاكتشاف الشذوذ في البيانات وتطبيقات ذلك العالم الحقيقي. ستتعلم كيف يمكن استخدام أنماط التعلم الآلي المختلفة في اكتشاف الانحراف في البيانات، وأي طرق تجميع محددة تعمل من أجل اكتشاف شذوذ البيانات. كما سنستكشف خوارزمية Isolation Forest، وكيف يمكن أن تنطبق على التنفيذ في العالم الحقيقي للكشف عن الاحتيال.
بالإضافة إلى ذلك، ستشرح هذه الوحدة التدريبية أيضًا كيف يمكن اكتشاف الحالات الشاذة، وكذلك الاختلافات بين الطرق الخاضعة للإشراف وغير الخاضعة للإشراف للكشف عن شذوذ البيانات وخوارزمية K-Nearest Neighbors، والطرق القائمة على الكتلة لاكتشاف الحالات الشاذة في التعلم الآلي.
تغطي الدورة أساليب متنوعة للكشف عن الشذوذات وتطبيقاتها الواقعية، بما في ذلك كيفية استخدام أساليب تعلم الآلة المختلفة في الكشف عن الشذوذات، وأساليب التجميع الملائمة لذلك، وغابات العزل، وk أقرب جار، والأساليب القائمة على التجميع، والفروق بين الأساليب الخاضعة للإشراف وغير الخاضعة له.
ستتعلم الأساليب الخاضعة للإشراف مقابل غير الخاضعة له، والأساليب شبه الخاضعة للإشراف، وk أقرب جار، والأساليب القائمة على التجميع، وغابات العزل.
تستكشف الدورة غابات العزل وكيفية تطبيقها في الكشف عن الاحتيال بوصفه تطبيقًا واقعيًا.
تساعد الدورة على بناء مهارات الكشف عن الشذوذات، وأساليب التنقيب في البيانات، والوقاية من الاحتيال والكشف عنه، وتعلم الآلة، وخوارزميات تعلم الآلة، وأساليب تعلم الآلة.
اكتشاف الشذوذات والطرق التي قد تكون فيها البيانات شاذة، وفهم التحديات التي تواجهها تطبيقات الكشف عن الشذوذات في العالم الواقعي، ومراجعة أساليب التجميع للكشف عن الشذوذات.