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)