HEA|  |02208nam0 2200361   450 
001|  |012021004282
005|  |20210430122257.0
010|  |□a978-7-302-55942-9□dCNY98.00
049|  |□aO440105GDY□bUCS01010153058□c3004120737
100|  |□a20210423d2020    em y0chiy50      ea
101|1 |□achi□ceng
102|  |□aCN□b110000
105|  |□aa   z   000yy
106|  |□ar
200|1 |□aPython深度学习异常检测□9Python shen -
   |  |du xue xi yi chang jian ce□e使用-
   |  |Keras和PyTorch□f(美)斯里达尔·阿拉，(美)苏-
   |  |曼·卡拉扬·阿达里著□g杨小冬译
210|  |□a北京□c清华大学出版社□d2020
215|  |□a12,304页□c图□d24cm
305|  |□a由Apress出版公司授权清华大学出版社出版
312|  |□a版权页英文题名：Beginning anomaly de-
   |  |tection using Python-based dee-
   |  |p learning: with Keras and PyTorch
314|  |□a斯里达尔·阿拉，是Bluewhale公司的联合创始人兼首-
   |  |席技术官。
330|  |□a本书首先解释异常检测的含义、用途和重要性。讲述使用Pyt-
   |  |hon中的Scikit-Learn进行异常检测的统计和传统机-
   |  |器学习方法，随后介绍深度学习，详细讲述如何在Keras和Py-
   |  |thorch中建立和训练深度学习模型，然后重点描述如何将各类-
   |  |自动编码器、受限的Boltzmann机器、RNN、LSTM以-
   |  |及时间卷积网络应用于异常检测。本书探讨无监督和半监督异常检测-
   |  |以及基于时间序列的异常检测的基础知识。阅读本书后，你将透彻了-
   |  |解异常检测的基本任务，以及传统方法和深度学习等各种异常检测方-
   |  |法。此外，将了解Scikit-Learn，并能在Keras和-
   |  |PyTorch中创建深度学习模型。
510|1 |□aBeginning anomaly detection -
   |  |using Python-based deep learni-
   |  |ng□ewith Keras and PyTorch□zeng
606|0 |□a软件工具□x程序设计
610|0 |□aPython
690|  |□aTP311.561□v5
701| 0|□c(美)□a阿拉□9a la□c(Alla, Sridhar)□4著
701| 1|□aAlla□9Alla□bSridhar□4著
701| 0|□c(美)□a阿达里□9a da li□c(Adari, S-
   |  |uman Kalyan)□4著
701| 1|□aAdari□9Adari□bSuman Kalyan□4著
702| 0|□a杨小冬□9yang xiao dong□4译
801| 2|□aCN□bOLCC□c20210130
801| 2|□aCN□bO440105GDY□c20201023
801| 2|□aCN□bMT□c20210430