Tutorial: Detección de anomalías en datos de series temporales con Keras
Build an LSTM Autoencoder in Keras
Detect anomalies with Autoencoders in time series data
Create interactive charts and plots with Plotly and Seaborn
In this guided tutorial, you will receive an 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.
Habilidades que desarrollarás
Aprende paso a paso
En un video que se reproduce en una pantalla dividida con tu área de trabajo, tu instructor te guiará en cada paso:
Project Overview and Import Libraries
Load and Inspect the S&P 500 Index Data
Data Preprocessing
Temporalize Data and Create Training and Test Splits
Build an LSTM Autoencoder
Train the Autoencoder
Plot Metrics and Evaluate the Model
Detect Anomalies in the S&P 500 Index Data
Cómo funcionan los tutoriales guiados
Tu espacio de trabajo es un escritorio virtual directamente en tu navegador, no requiere descarga.
En un video de pantalla dividida, tu instructor te guía paso a paso
Reseñas
Principales reseñas sobre TUTORIAL: DETECCIÓN DE ANOMALÍAS EN DATOS DE SERIES TEMPORALES CON KERAS
Nice quick project which helped furthered my understanding. Well worth doing if you want to gain insight on machine learning applied to anomaly detection
It is good. step by step so I can understand. but unfortunately there are no subtitle.
The project was useful. Rhyme's interface needs testing and an upgrade.
I love how well he explained everything and made it simple to follow
Preguntas Frecuentes
Preguntas Frecuentes
¿Qué obtendré si compro un Tutorial guiado?
¿Hay Tutoriales guiados disponibles para computadoras de escritorio y dispositivos móviles?
¿Quiénes son los instructores de Tutoriales guiados?
¿Puedo descargar el trabajo de mi Tutorial guiado después de completarlo?
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Puedo participar como oyente de un Tutorial guiado y mirar el video de forma gratuita?
¿Cuánta experiencia preciso tener para este Tutorial guiado?
¿Puedo completar este Tutorial guiado directamente utilizando mi navegador web, en lugar de instalar un software especial?
¿Cómo es la experiencia de aprendizaje con los Tutoriales guiados?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
Coursera Footer
