Descripción
Descubra información clave oculta en el ruido de los datos aprendiendo una variedad de técnicas de detección de anomalías y usando el lenguaje de programación Python para construir un servicio robusto para la detección de anomalías contra una variedad de tipos de datos. El libro comienza con una descripción general de qué son las anomalías y los valores atípicos y utiliza la escuela de psicología Gestalt para explicar por qué los humanos son naturalmente buenos para detectar anomalías. A partir de ahí, pasará a definiciones técnicas de anomalías, yendo más allá de "lo sé cuando lo veo" para definir las cosas de una manera que las computadoras puedan entender.
El núcleo del libro implica la creación de un servicio robusto y desplegable de detección de anomalías en Python. Comenzará con un servicio simple de detección de anomalías, que se expandirá a lo largo del libro para incluir una variedad de valiosas técnicas de detección de anomalías, que abarcan estadísticas descriptivas, agrupamiento y escenarios de series de tiempo. Finalmente, comparará su servicio de detección de anomalías directamente con una oferta de nube disponible públicamente y verá cómo se desempeñan.
Las técnicas y ejemplos de detección de anomalías en este libro combinan psicología, estadísticas, matemáticas y programación Python de una manera que es fácilmente accesible para los desarrolladores de software. Le brindan una comprensión de qué son las anomalías y por qué usted es naturalmente un detector de anomalías dotado. Luego, le ayudan a traducir sus técnicas humanas en algoritmos que pueden usarse para programar computadoras para automatizar el proceso. Desarrollará su propio servicio de detección de anomalías, lo ampliará utilizando una variedad de técnicas como la inclusión de técnicas de agrupamiento para el análisis multivariante y técnicas de series de tiempo para observar datos a lo largo del tiempo, y comparará su servicio directamente con un servicio comercial. Lo que aprenderá
Para quién es este libro
Para desarrolladores de software con al menos cierta familiaridad con el lenguaje de programación Python, y que deseen comprender la ciencia y algunas de las estadísticas detrás de las técnicas de detección de anomalías. Los lectores no necesitan tener ningún conocimiento formal de estadísticas, ya que el libro introduce los conceptos relevantes a lo largo del camino.
Autor: Kevin Feasel
Editorial: Apress
Publicado: 11/10/2022
Páginas: 353
Tipo de encuadernación: Tapa blanda
Peso: 1.43lbs
Tamaño: 10.00h x 7.00w x 0.78d
ISBN13: 9781484288696
ISBN10: 1484288696
Categorías BISAC:
- Informática | Teoría de la información
- Informática | Inteligencia Artificial | General
- Informática | Ciencia de datos | Análisis de datos
El núcleo del libro implica la creación de un servicio robusto y desplegable de detección de anomalías en Python. Comenzará con un servicio simple de detección de anomalías, que se expandirá a lo largo del libro para incluir una variedad de valiosas técnicas de detección de anomalías, que abarcan estadísticas descriptivas, agrupamiento y escenarios de series de tiempo. Finalmente, comparará su servicio de detección de anomalías directamente con una oferta de nube disponible públicamente y verá cómo se desempeñan.
Las técnicas y ejemplos de detección de anomalías en este libro combinan psicología, estadísticas, matemáticas y programación Python de una manera que es fácilmente accesible para los desarrolladores de software. Le brindan una comprensión de qué son las anomalías y por qué usted es naturalmente un detector de anomalías dotado. Luego, le ayudan a traducir sus técnicas humanas en algoritmos que pueden usarse para programar computadoras para automatizar el proceso. Desarrollará su propio servicio de detección de anomalías, lo ampliará utilizando una variedad de técnicas como la inclusión de técnicas de agrupamiento para el análisis multivariante y técnicas de series de tiempo para observar datos a lo largo del tiempo, y comparará su servicio directamente con un servicio comercial. Lo que aprenderá
- Comprender la intuición detrás de las anomalías
- Convertir su intuición en descripciones técnicas de datos anómalos
- Detectar anomalías utilizando herramientas estadísticas, como distribuciones, varianza y desviación estándar, estadísticas robustas y rango intercuartílico
- Aplicar técnicas de detección de anomalías de vanguardia en los campos de agrupamiento y análisis de series de tiempo
- Trabajar con paquetes Python comunes para la detección de valores atípicos y el análisis de series de tiempo, como scikit-learn, PyOD y tslearn
- Desarrollar un proyecto desde cero que encuentre anomalías en los datos, comenzando con matrices simples de datos numéricos y expandiéndose para incluir entradas multivariadas e incluso datos de series de tiempo
Para quién es este libro
Para desarrolladores de software con al menos cierta familiaridad con el lenguaje de programación Python, y que deseen comprender la ciencia y algunas de las estadísticas detrás de las técnicas de detección de anomalías. Los lectores no necesitan tener ningún conocimiento formal de estadísticas, ya que el libro introduce los conceptos relevantes a lo largo del camino.
Autor: Kevin Feasel
Editorial: Apress
Publicado: 11/10/2022
Páginas: 353
Tipo de encuadernación: Tapa blanda
Peso: 1.43lbs
Tamaño: 10.00h x 7.00w x 0.78d
ISBN13: 9781484288696
ISBN10: 1484288696
Categorías BISAC:
- Informática | Teoría de la información
- Informática | Inteligencia Artificial | General
- Informática | Ciencia de datos | Análisis de datos
Acerca del autor
Kevin Feasel es un MVP de la plataforma de datos de Microsoft y CTO de Faregame Inc, donde se especializa en análisis de datos con T-SQL y R, obligando a los clústeres de Spark a hacer lo que él quiere, luchando con Kafka y sacando conejos de sombreros a pedido. Es el principal colaborador de Curated SQL, presidente del Triangle Area SQL Server Users Group y autor de PolyBase Revealed. Residente de Durham, Carolina del Norte, se le puede encontrar recorriendo los senderos a lo largo del triángulo siempre que el clima sea lo suficientemente agradable.