Запрос счета
Заполните поля ниже, чтобы получить счет на оплату билетов PyCon Russia от юридического лица. Футболки PyCon Russia можно купить в Магазине IT-People
Юр. лицо
ИНН
Количество билетов на конференцию
+
Промокод (если есть)
Поиск точек изменения состояния (changepoint detection) на python
Тезисы
Общая задача обнаружения аномалий во временных рядах часто разделяется на две отдельные задачи: обнаружение выбросов или бинарная классификация (для точечных аномалий) и обнаружение точек изменения состояния (changepoint detection, для коллективных аномалий).

В докладе подробно рассмотрена задача changepoint detection, методы для обнаружения точек изменения состояния, библиотеки на python, с помощью которых можно решать эту задачу.

Также в докладе продемонстрирована реализация на python одного из самых распространенных подходов к решению задачи (генерация невязки сигнала) без применения специализированных библиотек.

Доклад рассчитан на инженеров и разработчиков, знакомых с python и машинным обучением, стремящихся решить задачу поиска аномалий в своих доменных областях.

Слушатели смогут:
  • более глубоко разобраться в задаче поиска аномалий во временных рядах и понять разницу между типами аномалий (точечные, коллективные) и типами математических постановок задач (бинарная классификация, changepoint detection);
  • узнать о наиболее популярных существующих библиотеках на python, решающих задачи поиска аномалий;
  • понять, как ставить задачу поиска коллективных аномалий (changepoint detection) во временных рядах;
  • узнать основные методы решения этой задачи, в том числе реализованные в библиотеках на python;
  • узнать наиболее распространённый подход к решению задачи — генерация невязки сигнала (на основе различных моделей машинного обучения) и как легко реализовать этот подход на python.
Общая задача обнаружения аномалий во временных рядах часто разделяется на две отдельные задачи: обнаружение выбросов или бинарная классификация (для точечных аномалий) и обнаружение точек изменения состояния (changepoint detection, для коллективных аномалий).

В докладе подробно рассмотрена задача changepoint detection, методы для обнаружения точек изменения состояния, библиотеки на python, с помощью которых можно решать эту задачу.

Также в докладе продемонстрирована реализация на python одного из самых распространенных подходов к решению задачи (генерация невязки сигнала) без применения специализированных библиотек.

Доклад рассчитан на инженеров и разработчиков, знакомых с python и машинным обучением, стремящихся решить задачу поиска аномалий в своих доменных областях.

Слушатели смогут:
  • более глубоко разобраться в задаче поиска аномалий во временных рядах и понять разницу между типами аномалий (точечные, коллективные) и типами математических постановок задач (бинарная классификация, changepoint detection);
  • узнать о наиболее популярных существующих библиотеках на python, решающих задачи поиска аномалий;
  • понять, как ставить задачу поиска коллективных аномалий (changepoint detection) во временных рядах;
  • узнать основные методы решения этой задачи, в том числе реализованные в библиотеках на python;
  • узнать наиболее распространённый подход к решению задачи — генерация невязки сигнала (на основе различных моделей машинного обучения) и как легко реализовать этот подход на python.
Видеозапись доклада
Появится здесь после конференции
Информация о спикере
Юрий Кацер
Эксперт по анализу данных и машинному обучению в задачах промышленности. Изучаю MLOps и улучшаю процессы в DS команде. Люблю хакатоны, саморазвитие, фильмы и спорт.

  • Более четырёх лет занимаюсь анализом промышленных данных и решением бизнес проблем с помощью ML
  • Публикую статьи в Scopus, выступаю на научных конференциях, создаю open-source датасеты и библиотеки
  • Веду блог на медиуме, выступаю на российских DS конференциях и преподаю на Физтехе и в Школе ИИ Росатома, регулярно участвую и побеждаю на хакатонах
Подробнее — на сайте Iurii Katser personal page
Юрий Кацер
Эксперт по анализу данных и машинному обучению в задачах промышленности. Изучаю MLOps и улучшаю процессы в DS команде. Люблю хакатоны, саморазвитие, фильмы и спорт.

  • Более четырёх лет занимаюсь анализом промышленных данных и решением бизнес проблем с помощью ML
  • Публикую статьи в Scopus, выступаю на научных конференциях, создаю open-source датасеты и библиотеки
  • Веду блог на медиуме, выступаю на российских DS конференциях и преподаю на Физтехе и в Школе ИИ Росатома, регулярно участвую и побеждаю на хакатонах
Подробнее — на сайте Iurii Katser personal page
Все доклады секции