Tematska celina 1. Detekcija univarijantnih autlajera
Ova celina pokriva tehnike za otkrivanje anomalija u jednodimenzionalnim podacima korišćenjem histograma, dijagrama rasejanja, boks dijagrama, z-vrednosti i modifikovanih z-vrednosti.
Lekcija 1. Šta su anomalije i odstupanja?
aktivnost 1: Odštampajte 5 brojeva rezime
aktivnost 2: Histogrami za detekciju autlajera
aktivnost 3: Diagrami rasejanja za detekciju autlajera
Lekcija 2. Boks dijagrami i IQR
aktivnost 1: Boks-dijagrami za detekciju autlajera
aktivnost 2: Izračunavanje granica autlajera pomoću IQR-a
aktivnost 3: Korišćenje autlajer limita za filtriranje
Lekcija 3. Korišćenje z-skorova za otkrivanje anomalija
aktivnost 1: Pronalaženje autlajera pomoću z-skora
aktivnost 2: Korišćenje modifikovanih z-skorova sa PyOD-om
Tematska celina 2. Izolacione šume sa PyOD-om
U ovoj celini ćete naučiti sve o tome kako algoritam Izolacione šume funkcioniše. Istražite kako se grade Izolaciona stabla, osnovne parametre PyOD-ovog iForest-a i kako ih podesiti, i kako interpretirati izlaz iForest-a koristeći rezultate verovatnoće autlajera.
Lekcija 1. Početak rada sa izolacionim šumama
aktivnost 1: Razlika između univarijantnih i multivarijantnih anomalija
aktivnost 2: Detekcija autlajera pomoću iForest-a
Lekcija 2. Pregled hiperparametara Izolacione šume
aktivnost 1: Najvažniji parametri iForest-a
aktivnost 2: Izbor kontaminacije
aktivnost 3: Izbor n_estimatora
aktivnost 4: Provera teorije
Lekcija 3. Podešavanje hiperparametara Izolacione šume
aktivnost 1: Podešavanje kontaminacije
aktivnost 2: Podešavanje više hiperparametara
Lekcija 4. Tumačenje rezultata funkcije iForest
aktivnost 1: Alternativni način klasifikacije pomoću iForest-a
aktivnost 2: Korišćenje verovatnoća autlajera
Tematska celina 3. Algoritmi zasnovani na udaljenosti i gustini
Nakon klasifikatora autlajera zasnovanog na drvetu, istražićete klasu detektora zasnovanih na udaljenosti i gustini. Klasifikatori KNN i lokalni faktori autlajera su se pokazali veoma efikasnim u ovoj oblasti i naučićete kako da ih koristite.
Lekcija 1. KNN za detekciju autlajera
aktivnost 1: KNN po prvi put
aktivnost 2: KNN sa autlajer verovatnoćama
Lekcija 2. Skaliranje karakteristika pomoću robusnih autlajera
aktivnost 1: Ručno pronalaženje euklidske udaljenosti
aktivnost 2: Pronalaženje euklidske udaljenosti pomoću SciPy-a
aktivnost 3: Praktikovanje standardizacije
aktivnost 4: Testiranje kvantilnog transformatora
Lekcija 3. Hiperparametri KNN-a
aktivnost 1: Razlikovanje metrika udaljenosti
aktivnost 2: Ručno izračunavanje Menhetn udaljenosti
aktivnost 3: Podešavanje n_suseda
aktivnost 4: Podešavanje metode agregacije
Lekcija 4. Faktor lokalnih autlajera
aktivnost 1: LOF po prvi put
aktivnost 2: LOF sa verovatnoćama autlajera
Tematska celina 4. Detekcija anomalija vremenskih serija i ansambli autlajera
U ovoj celini ćete naučiti kako da izvršite detekciju anomalija na skupovima podataka vremenskih serija i učinite svoja predviđanja stabilnijim i pouzdanijim koristeći ansamble autlajera.
Lekcija 1. Uvod u vremenske serije
aktivnost 1: Rad sa kolonama DateTime
aktivnost 2: Kreiranje indeksa datuma i vremena
aktivnost 3: MAD na vremenskim serijama
aktivnost 4: Izolaciona šuma na vremenskim serijama
Lekcija 2. Dekompozicija vremenskih serija za detekciju autlajera
aktivnost 1: Vežbanje razlaganja
aktivnost 2: Ocenjivanje reziduala
Lekcija 3. Ansambli klasifikatora autlajera
aktivnost 1: Skaliranje delova skupa podataka
aktivnost 2: Ručni ansambli autlajera – kreiranje nizova
aktivnost 3: Skladištenje verovatnoća autlajera
aktivnost 4: Agregiranje i prag verovatnoća
Lekcija 4. Kako se nositi sa identifikovanim autlajerima
aktivnost 1: Klasifikacija razloga za prisustvo autlajera
aktivnost 2: Kada odbaciti autlajere
aktivnost 3: Neagresivne metode postupanja sa autlajerima
Tehnički detalji interaktivne obuke
Obuka je interaktivnog karaktera, jer svaki polaznik radi i unosi komande za svojim računarom, prateći predavača. Predavač (čiji je računar povezan na projektor) polako objašnjava poslovni projekat i rešava ga unoseći jednu po jednu liniju kôda u okviru pajton razvojnog okruženja. Svaka linija kôda se detaljno elaborira.
U okviru interaktivne obuke, dobićete i detaljno napisan priručnik, sa svim aktivnostima, koji su rađeni na obuci, uključujući i sve linije kôda koje ste napisali. Takođe interaktivnu obuku prati i kreirani video materijal za svaku lekciju, gde je opet detaljno objašnjeno rešavanje poslovnog projekta i elaboracija svake linije kôda. Na ovaj način bićete u stanju da potpuno razumete i savladate kako predviđanje CTR-a, tako i odgovarajuće komande programskog jezika pajton.
Za potrebe praćenja ove obuke potrebno je umereno znanje programskog jezika pajton. Ukoliko nemate predznanje iz programiranja u pajtonu, predlaže se da prvo odslušate sledeće dve interaktivne obuke:
Uvod u pajton za finansije, kao i
Srednji nivo pajtona za finansije.
Svaka od datih interaktivnih obuka, traje takođe po dva dana, i potkrepljena je detaljno napisanim priručnicima, kao i kvalitetnim snimljenim video materijalima.
Predavač na obuci je dr Vladimir Vasić, doktor statističkih nauka, redovni profesor na Beogradskoj bankarskoj akademiji – Fakultetu za bankarstvo, osiguranje i finansije, koji ima višedecenijsko iskustvo u rešavanju brojnih privrednih poslovnih projekata u zemlji i regionu. Predavač je 17 godina, učestvovao kao najviši istraživač (klasa A1) na projektima nacionalnog značaja na istraživanjima kvantifikacije verovatnoće difolta i izgradnje kreditnog rejtinga preduzeća. Dati projekti, finansirani od Ministarstva za nauku Srbije su: „Razvoj institucija i instrumenata hipoteke i financijskog tržišta u Srbiji“ (2006-2010) i „Rizici financijskih institucija i tržišta u Srbiji – mikroekonomski i makroekonomski pristup“ (2011-2022). Takođe, predavač je više od 15 godina vodeći konsultant, kada su u pitanju izgradnja algoritama i modela alatima data mining-a. Osim višedecenijskog iskustva u prenošenju znanja naprednog modeliranja i predikcije studentima završnih godina, predavač je i autor 25 naučnih radova objavljenih u časopisima na SCI i SSCI listi.
Prijavite se putem: linka
