Anomaly Detection in Time Series Data with Keras

4.1
120 個評分
提供方
Coursera Project Network
3,293 人已註冊
在此指導項目中,您將:

Build an LSTM Autoencoder in Keras

Detect anomalies with Autoencoders in time series data

Create interactive charts and plots with Plotly and Seaborn

Clock1.5 hours
Intermediate中級
Cloud無需下載
Video分屏視頻
Comment Dots英語(English)
Laptop僅限桌面

In this hands-on introduction to anomaly detection in time series data with Keras, you and I will build an anomaly detection model using deep learning. Specifically, we will be designing and training an LSTM autoencoder using the Keras API with Tensorflow 2 as the backend to detect anomalies (sudden price changes) in the S&P 500 index. We will also create interactive charts and plots using Plotly Python and Seaborn for data visualization and display our results in Jupyter notebooks. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and Keras pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

您要培養的技能

Deep LearningMachine LearningData Visualization (DataViz)Anomaly Detectionkeras

分步進行學習

在與您的工作區一起在分屏中播放的視頻中,您的授課教師將指導您完成每個步驟:

  1. Project Overview and Import Libraries

  2. Load and Inspect the S&P 500 Index Data

  3. Data Preprocessing

  4. Temporalize Data and Create Training and Test Splits

  5. Build an LSTM Autoencoder

  6. Train the Autoencoder

  7. Plot Metrics and Evaluate the Model

  8. Detect Anomalies in the S&P 500 Index Data

指導項目工作原理

您的工作空間就是瀏覽器中的雲桌面,無需下載

在分屏視頻中,您的授課教師會為您提供分步指導

審閱

來自ANOMALY DETECTION IN TIME SERIES DATA WITH KERAS的熱門評論

查看所有評論

常見問題

常見問題

  • 購買指導項目後,您將獲得完成指導項目所需的一切,包括通過Web 瀏覽器訪問云桌面工作空間,工作空間中包含您需要了解的文件和軟件,以及特定領域的專家提供的分步視頻說明。

  • 由於您的工作空間包含適合筆記本電腦或台式計算機使用的雲桌面,因此指導項目不在移動設備上提供。

  • 指導項目講師是特定領域的專家,他們在項目的技能、工具或領域方面經驗豐富,並且熱衷於分享自己的知識以影響全球數百萬的學生。

  • 您可以從指導項目中下載並保留您創建的任何文件。為此,您可以在訪問云桌面時使用‘文件瀏覽器’功能。

  • 指導項目不符合退款條件。 請查看我們完整的退款政策

  • 指導項目不提供助學金。

  • 指導項目不支持旁聽。

  • 您可在頁面頂部點按此指導項目的經驗級別,查看任何知識先決條件。對於指導項目的每個級別,您的講師會逐步為您提供指導。

  • 是,您可以在瀏覽器的雲桌面中獲得完成指導項目所需的一切。

  • 您可以直接在瀏覽器中於分屏環境下完成任務,以此從做中學。在屏幕的左側,您將在工作空間中完成任務。在屏幕的右側,您將看到有講師逐步指導您完成項目。

還有其他問題嗎?請訪問 學生幫助中心