Support Vector Machines cho Phát hiện Bất thường trong Python — PickAClass
⏱ 2 giờ 48 phút 📚 28 bài

Support Vector Machines cho Phát hiện Bất thường trong Python

Học cách phát hiện các giá trị ngoại lai, gian lận và xâm nhập hệ thống bằng cách sử dụng One-Class SVMs và các kỹ thuật học máy không giám sát hiện đại.

  • 💬 Giảng viên AI
    Hỏi về bất kỳ bài học nào và nhận câu trả lời rõ ràng ngay lập tức, mọi lúc.
  • 🕐 Bắt đầu bất cứ lúc nào
    Không lịch trình hay hạn chót — học theo nhịp của bạn, bất cứ khi nào.
  • 🌐 Bằng tiếng Việt
    Bài học, bài tập và chứng chỉ — tất cả hoàn toàn bằng ngôn ngữ của bạn.

Về khóa học này

Làm thế nào để bạn xác định các mối đe dọa bảo mật nghiêm trọng, lỗi hệ thống hoặc các giao dịch gian lận khi bạn không có các ví dụ được gắn nhãn về hành vi xấu? Support Vector Machines (SVMs) cung cấp một phương pháp mạnh mẽ và chặt chẽ về mặt toán học để cô lập các mẫu dữ liệu bình thường và gắn cờ các hoạt động bất thường. Khóa học dựa trên văn bản này hướng dẫn bạn từ những kiến thức cơ bản nhất về phát hiện bất thường đến việc triển khai các mô hình One-Class SVM mạnh mẽ. Bạn sẽ học cách chuẩn bị dữ liệu, cấu hình các ranh giới quyết định của SVM và đánh giá hiệu suất mô hình trên các tập dữ liệu mất cân bằng nghiêm trọng. Đến cuối khóa học này, bạn sẽ có thể tự tin xây dựng và triển khai các mô hình phát hiện bất thường để bảo mật hệ thống và làm sạch các đường ống dữ liệu. Những gì bạn sẽ học: - Hiểu các khái niệm cốt lõi của học không giám sát, các giá trị ngoại lai và phát hiện bất thường. - Nắm vững trực giác toán học đằng sau One-Class SVMs và cách chúng khác biệt với phân loại tiêu chuẩn. - Cấu hình các siêu tham số chính, bao gồm các hàm kernel, gamma và tỷ lệ nhiễm bẩn. - Chuẩn bị và tiền xử lý các tập dữ liệu thực tế bằng cách sử dụng các pipeline scikit-learn hiện đại. - Đánh giá hiệu suất phát hiện bất thường bằng cách sử dụng precision, recall và F1-score cho dữ liệu mất cân bằng. - Áp dụng phát hiện bất thường bằng SVM vào các trường hợp sử dụng thực tế như phát hiện gian lận và xâm nhập mạng. Bạn sẽ bắt đầu với các định nghĩa nền tảng và lý thuyết về ranh giới quyết định trước khi đi sâu vào các hướng dẫn bằng văn bản từng bước và triển khai mã. Sự tiến triển có cấu trúc này đảm bảo bạn hiểu cả lý do tại sao và cách thực hiện học máy không giám sát. Khóa học này được thiết kế cho các nhà phân tích dữ liệu mới bắt đầu, các kỹ sư học máy đầy tham vọng và các chuyên gia an ninh mạng muốn thêm phát hiện bất thường vào bộ công cụ của họ. Không yêu cầu kinh nghiệm trước đó với SVMs, mặc dù sự quen thuộc cơ bản với Python là hữu ích. Hãy bắt đầu đọc ngay hôm nay để nắm vững các nguyên tắc cơ bản của phát hiện bất thường với Support Vector Machines.

Nội dung khóa học

Bạn sẽ nhận được

  • 📜 Chứng chỉ hoàn thành
    Thêm vào hồ sơ LinkedIn
  • 💬 Gia sư AI cá nhân
    Bí ở một bài học? Hỏi gia sư tích hợp của bạn bất cứ điều gì, bất cứ lúc nào.
  • ♾️ Truy cập trọn đời
    Quay lại bất cứ lúc nào, không hết hạn
  • 📱 Điện thoại hoặc máy tính
    Hoạt động mọi nơi, mọi thiết bị
  • 💸 Hoàn tiền 14 ngày
    Không cần lý do
  • ⚡ Ngắn gọn, đi vào trọng tâm
    2 giờ 48 phút nội dung thực hành

Chứng chỉ hoàn thành

Mỗi khóa bạn hoàn thành trên PickAClass cấp một chứng chỉ như thế này — nguyên bản, có mã riêng, xác minh được qua URL và chi tiết về điều thực sự được thể hiện.

P
PickAClass
Hồ sơ kỹ năng · xác minh được
Tài liệu
Chứng nhận Thành thạo
Chứng nhận rằng
Họ và Tên
đã chứng minh thành công sự thành thạo về
Support Vector Machines cho Phát hiện Bất thường trong Python
Kỹ năng đã thể hiện
✓
Phân tích mô hình hành vi
Nền tảng
1.2 giờ
✓
Khung kiến trúc quyết định
Thành thạo
1.4 giờ
✓
Thiết kế kiểm tra A/B
Thành thạo
1.7 giờ
✓
Viết quảng cáo hành vi
Nâng cao
1.9 giờ
P
PickAClass — Họ và Tên
Support Vector Machines cho Phát hiện Bất thường trong Python
Trang 2/2
Chi tiết hiệu suất
Tóm tắt bài học
Bài học hoàn thành 14 / 14
Câu hỏi luyện tập 26 / 28
Bài tập đã nộp 4 (TB 4,5 / 5)
Dự án capstone Đã đánh giá — 4,6 / 5
Tổng luyện tập 6.2 giờ
Mốc hiệu suất
Hạng trong nhóm Top 12% trong 1,625
Thời gian hoàn thành 11 ngày (trung vị: 22)
Điểm thành thạo 91 / 100
Điểm câu hỏi luyện tập 94%
Xác minh kỹ năng Lộ trình Kỹ năng đã xác minh
Xác minh chứng chỉ này
pickaclass.com/certificates/PCC-2026-X4F7-AP19
Cấp theo chuẩn học thuật của PickAClass. Cấp độ kỹ năng phản ánh hiệu suất được đánh giá theo khung năng lực của khóa. Đây là chứng chỉ gốc của nền tảng này.

Đánh giá

Chưa có đánh giá — hãy là người đầu tiên chia sẻ.

Viết đánh giá

☆☆☆☆☆
Sau khi gửi, chúng tôi sẽ yêu cầu đăng nhập — bản nháp được lưu.

Học viên cũng học

Câu hỏi thường gặp

Tôi cần gì để học khóa này? +

Chỉ cần điện thoại hoặc máy tính có kết nối internet. Không cần cài đặt hay thiết bị đặc biệt.

Tôi thanh toán bằng cách nào? +

Bằng thẻ qua Stripe. Chúng tôi không lưu thông tin thẻ — Stripe xử lý an toàn.

Tôi có thể được hoàn tiền không? +

Có — hoàn tiền đầy đủ trong 14 ngày, không cần lý do.

Tôi sẽ có quyền truy cập trong bao lâu? +

Mãi mãi. Sau khi mua, khóa học là của bạn để xem lại bất cứ lúc nào.

Tôi có nhận được chứng chỉ không? +

Có. Sau khi hoàn thành, bạn sẽ nhận được chứng chỉ và có thể thêm vào hồ sơ LinkedIn.

Dành cho người học trong
Công nghệ Thiết kế Tài chính Marketing Y tế Giáo dục Khách sạn-Dịch vụ Sản xuất