Applications of AI for Anomaly Detection
(이상 감지를 위한 AI의 응용)

  • 교육시간

    1일 8시간

  • 언어

    영어

  • 기술

    NVIDIA RAPIDS™, XGBoost, TensorFlow, Keras, pandas, autoencoders, GANs

이미지

교육목적

조직에서 모니터링하는 대상이 사이버 보안 위협이든 사기 금융 거래나 제품 결함이나 장비 상태와 상관없이 인공 지능은 데이터 이상 현상이 비즈니스에 영향을 주기 전에 먼저 포착하도록 지원합니다. AI 모델을 교육하고 배포하여 데이터세트를 자동으로 분석하고, ‘정상 동작’을 정의하고, 위반 패턴을 빠르고 효과적으로 식별할 수 있습니다.

이러한 모델은 향후 이상 현상을 예측하는 데에도 사용할 수 있습니다. 산업 전반에서 데이터가 넘쳐나고 정상 패턴과 비정상 패턴 사이의 차이가 미묘하므로 조직에서는 위협을 일으키는 이상 현상을 AI로 빠르게 감지하는 것이 매우 중요해졌습니다.

이 교육에서는 여러 AI 기반 접근 방법을 구현함으로써 통신에서 네트워크 침입을 파악하는 구체적인 사례의 해결 방법을 설명합니다. GPU 가속 XGBoost, 딥 러닝 기반 오토인코더 및 생성적 대립쌍 네트워크(GAN)를 사용하여 3가지 이상 현상 감지 기술을 배운 후, 지도/비지도 학습 기술을 구현해서 비교합니다. 워크숍을 마치면 AI를 활용하여 통신, 사이버 보안, 금융, 제조 및 기타 핵심 산업 전반의 작업에서 이상 현상을 감지할 수 있게 됩니다.

  • 전제조건
    • Python을 사용한 전문적인 데이터 사이언스 경험
    • 딥 뉴럴 네트워크 트레이닝 경험
  • 인증서

    평가를 성공적으로 완료한 참가자는 관련 분야에 대한 역량을 인정 받고, 전문적 커리어 성장을 지원하는 NVIDIA DLI 인증서를 받게 됩니다.

  • 사전준비 (하드웨어 요구 사항)

    최신 버전의 Chrome 또는 Firefox를 실행할 수 있는 데스크톱 또는 노트북을 준비한 참가자에게는 클라우드 상에서 완전하게 구성된 GPU 가속 서버에 접근할 수 있는 전용 권한이 주어집니다.

교육문의하기

학습목표

  • 01

    XGBoost, autoencoders, GAN을 사용하여 데이터 준비, 모델 구축, 훈련 및 평가

  • 02

    레이블이 지정된 데이터와 미지정된 데이터를 모두 포함하는 데이터세트에서 이상 현상 감지

  • 03

    원본 데이터에 레이블이 지정되었는지와 관계없이 이상 현상을 여러 범주로 분류

NVIDIA | DEEP LEARNING INSTITUTE

교육개요

인트로 (15분)
GPU 가속 XGBoost 활용
네트워크 데이터 이상
현상 감지 (120분)
지도 학습을 사용하여 이상 현상을 감지하는 방법을 설명합니다.
  • · 제공된 데이터세트를 사용하여 GPU 가속화에 대한 데이터 준비하기
  • · 인기 있는 머신 러닝 알고리즘 XGBoost를 사용하여 바이너리 및 멀티 클래스 분류자 트레이닝하기
  • · 배포하기 전에 모델의 성능을 평가하고 개선하기
휴식 (60분)
GPU 가속 오토인코더를
사용하여 네트워크 데이터에서 이상 현상 감지 (120분)
최신 비지도 학습을 사용하여 이상 현상을 감지하는 방법을 설명합니다.
  • · 레이블 미지정 데이터를 활용하여 딥 러닝 기반의 오토인코더를 구축하고 트레이닝하기
  • · 이상 현상을 여러 개의 클래스로 분리하는 기법 적용하기
  • · GPU 가속 오토인코더의 기타 응용 분야 살펴보기
휴식 (15분)
프로젝트: GAN을 사용하여
네트워크 데이터에서
이상 현상 감지 (120분)
GAN을 사용하여 이상 현상을 감지하는 방법을 설명합니다.
  • · 새로운 데이터를 생성하도록 비지도 학습 모델 트레이닝하기
  • · 새 데이터를 활용하여 문제를 지도 학습 문제로 변환하기
  • · 새로운 접근 방법과 보다 확립된 접근 방법의 성능 비교
평가 및 Q&A (15분)