"在這本通俗易懂的入門級指南的引導下，了解如何將深度學習應用於各種異常檢測任務！本書濃墨重彩地描述如何利用Python中的Keras和PyTorch框架，將各種深度學習模型應用於半監督和無監督異常檢測任務。    《Python深度學習異常檢測 使用Keras和PyTorch》開篇討論異常檢測的含義、用途和重要性。在介紹用Python的scikit-learn進行異常檢測的統計和傳統機器學習方法後，本書引入深度學習方法，詳述如何在Keras和PyTor等

●第1章異常檢測
1．1什麼是異常？
1．1．1異常的天鵝
1．1．2數據點形式的異常
1．1．3時間序列中的異常
1．1．4出租車
1．2異常的類別
1．2．1基於數據點的異常
1．2．2基於上下文的異常
1．2．3基於模式的異常
1．3異常檢測
1．3．1離群值檢測
1．3．2噪點消除
1．3．3奇異值檢測
1．4異常檢測的三種樣式
1．5異常檢測用在什麼地方？
1．5．1數據洩露
1．5．2身份盜用
1．5．3制造業
1．5．4網絡服務
1．5．5醫療領域
1．5．6視頻監控
1．6本章小結
第2章傳統的異常檢測方法
2．1數據科學知識回顧
2．2孤立森林
2．2．1變種魚
2．2．2使用孤立森林進行異常檢測
2．3一類支持向量機
2．4本章小結
第3章深度學習簡介
3．1什麼是深度學習？
3．2Keras簡介：一種簡單的分類器模型
3．3PyTorch簡介：一種簡單的分類器模型
3．4本章小結
第4章自動編碼器
4．1什麼是自動編碼器？
4．2簡單自動編碼器
4．3稀疏自動編碼器
4．4深度自動編碼器
4．5卷積自動編碼器
4．6降噪自動編碼器
4．7變分自動編碼器
4．8本章小結
第5章玻爾茲曼機
5．1什麼是玻爾茲曼機？
5．2受限玻爾茲曼機（RBM）
5．2．1使用RBM進行異常檢測——信用卡數據集
5．2．2使用RBM進行異常檢測——KDDCUP數據集
5．3本章小結
第6章長短期記憶網絡模型
6．1序列和時間序列分析
6．2什麼是RNN？
6．3什麼是LSTM？
6．4使用LSTM進行異常檢測
6．5時間序列的示例
6．5．1art_daily_no_noise
6．5．2art_daily_nojump
6．5．3art_daily_jumpsdown
6．5．4art_daily_perfect_square_wave
6．5．5art_load_balancer_spikes
6．5．6ambient_temperature_system_failure
6．5．7ec2_cpu_utilization
6．5．8rds_cpu_utilization
6．6本章小結
第7章時域卷積網絡
7．1什麼是時域卷積網絡？
7．2膨脹時域卷積網絡
7．3編碼器一解碼器時域卷積網絡
7．4本章小結
第8章異常檢測實際應用案例
8．1什麼是異常檢測？
8．2異常檢測的實際應用案例
8．2．1電信
8．2．2銀行服務
8．2．3環境
8．2．4醫療保健
8．2．5交通運輸
8．2．6社交媒體
8．2．7金融和保險
8．2．8網絡安全
8．2．9視頻監控
8．2．10制造業
8．2．11智能住宅
8．2．12零售業
8．3實現基於深度學習的異常檢測
8．4本章小結
附錄AKeras簡介
附錄BPyTorch簡介

本書主要講的是：了解異常檢測的含義及其重要性；熟悉利用scikit-learn進行異常檢測的統計和傳統機器學習方法；借助Keras和PyTorch了解Python深度學習的基本知識；掌握度量模型性能的基本數據科學概念：AUC、準確率和召回率等；將深度學習應用於半監督和無監督異常檢測。

(美)斯裡達爾·阿拉,(美)蘇曼·卡拉揚·阿達裡 著 楊小東 譯