NVIDIA 認證課程

適用於偵測異常狀況的人工智慧應用
Applications of AI for Anomaly Detection

無論企業需要監控網路安全威脅、詐騙金融交易、產品瑕疵，還是設備健康狀態，人工智慧都可以協助企業在以上問題造成影響前，先找出資料異常之處。人工智慧模型可透過訓練和部署以自動分析資料集、定義「正常行為」，並快速又有效地找出違反模式的行為，以預測未來的異常狀況。因為各產業中皆存在大量可運用的資料，且一般模式和異常模式之間只存在細微的差異，所以關鍵就在於組織必須要能運用人工智慧來快速偵測構成威脅的異常狀況。

在本實作坊中，你將學習如何實作多個人工智慧方法來解決電信業辨識網路入侵的特定使用案例。你將使用 GPU 加速的 XGBoost、深度學習自動編碼器和生成對抗網路（GAN）來學習三種不同的異常偵測技術，並實作和比較監督式與非監督式學習技術。在實作坊結束時，你將能夠使用人工智慧偵測電信、網路安全、金融、製造業和其他重要產業工作中的異常狀況。

學習目標

參加本實作坊可學會：

  • 準備資料以及使用 XGBoost、自動編碼器與生成對抗網路來建立、訓練和評估模型
  • 運用已標記和未標記的資料來偵測資料集的異常情況
  • 無論原始資料是否已標記，均能將異常情況分類為多個類別

實作坊大綱

時程 程序項目
15 分鐘   概覽
  • 認識講師
  • 在 learn.nvidia.com/join 建立帳號
120 分鐘   使用 GPU 加速的 XGBoost 偵測網路資料的異常狀況
   瞭解如何使用監督式學習偵測異常狀況：
  • 使用提供的資料集來準備 GPU 加速的資料。
  • 使用熱門的機器學習演算法 XGBoost 訓練二元和多元分類器。
  • 在部署前評估並提升模型的效能。
60 分鐘 休息時間
120 分鐘   使用 GPU 加速的自動編碼器偵測網路資料的異常狀況
   瞭解如何使用非監督式學習偵測異常狀況：
  • 建立及訓練深度學習自動編碼器以處理未標記的資料。
  • 應用將異常狀況分類成多個類別的技術。
  • 索 GPU 加速的自動編碼器在其他方面的應用。
15 分鐘 休息時間
120 分鐘   專案：使用生成對抗網路偵測網路資料的異常狀況
   瞭解如何使用生成對抗網路偵測異常狀況：
  • 訓練非監督式學習模型以建立新資料。
  • 運用新資料將問題變成監督式學習問題。
  • 比較這個新方法與制定更久的方法之間的效能差異。
15 分鐘   測驗與問答

實作坊詳情

時間： 8 小時

必備基礎能力：

  • 使用 Python 的專業資料科學經驗
  • 訓練深度神經網路的經驗

技術： NVIDIA RAPIDS™、XGBoost、TensorFlow、Keras、pandas、自動編碼器、生成對抗網路

測驗類型： 程式編寫技巧評估學員具有將深度學習模型訓練至高準確度的能力。

認證證書： 完成測驗後，參與者將會收到 NVIDIA DLI 認證證書，證明他們具有相關主題的能力，支援其專業職涯成長。