实战项目：异常检测与多场景应用

异常检测概述：

项目介绍：

异常检测是指在数据中发现不符合预期行为模式的数据的问题，在疾病检测、金融反诈、机器故障监控、安全入侵检测、运维监控、电商异常用户检测、疫情检测等场景都有应用

本项目以异常检测为主要内容，讲解在结构化/表格数据和时序数据中的异常检测模型算法及工具，并构建应用于商场销量、金融反诈、网约车需求量、用电量等场景下的异常检测案例

核心知识：

异常检测应用场景；异常检测主要算法，包括PCA、kNN、LOF、HBOS、COPOD、孤立森林（Isolation Forest）、XGBOD、自编码器（AutoEncoder）、基于LSTM等神经网络的时序异常检测，监督学习与无监督学习算法模型；t-sne数据降维可视化；业务场景下的特征抽取、建模与模型部署上线，大公司的智能运维工具与实时监控

项目大纲：

1.异常检测概述

2.异常检测常用方法

3.PyOD工具库详解

4.大型商场销量数据异常检测

5.金融反欺诈场景中的异常检测-监督学习

6.金融反欺诈场景中的异常检测-无监督学习

7.模型部署上线

8.时序数据与异常检测

9.大公司智能时间序列监控与异常检测工具介绍

添加老师学习完整项目