KYBS7041 Anomaly Detection (3–5 cr)

Open the course unit brochure on Sisu

Study level:

Advanced studies

Grading scale:

0-5

Language:

English, Finnish

Responsible organisation:

Faculty of Information Technology

Curriculum periods:

2020-2021, 2021-2022, 2022-2023

Description

Sisältö

Anomalioiden kategoriat. Anomalian havaitsemismenetelmien
kategoriat. Datajoukot ja –tyypit. Lineaarialgebran
kertaus (tarvittaessa). Mitat ja metriikat.
Datan esiprosessointi. Menetelmien tarkkuuden mittaaminen
ja testaaminen. Poikkeamantunnistusmenetelmiä
(Kynnystäminen, klusterointi, NN-pohjaiset,
tiheyspohjaiset). Esimerkit toteutettu Matlabilla / Octavella.

Suoritustavat

Minimisuoritus 3 op: Luennot ja lopputentti

Maksimisuoritus 5 op: Luennot, lopputentti ja erillinen tekninen harjoitustyö

Arviointiperusteet

Perustuu lopputenttiin (3 op) tai lopputenttiin+ harjoitustyöhön (5 op).

Learning outcomes

Ymmärtää anomalian käsitteen ja eri kategoriat. Ymmärtää
datapisteen, -joukon ja –tyypin käsitteen ja eri
kategoriat. Ymmärtää eri anomalianhavaitsemismenetelmien
toimintaperiaatteet. Osaa soveltaa anomalianhavaitsemismenetelmiä
eri tilanteissa. Osaa arvioida
menetelmien suorituskykyä.

Description of prerequisites

Periaatteessa ei esitieto vaatimuksia. Käytännössä ohjelmoinnin
perusteiden tunteminen korkeantason numeeriseen
laskentaan tarkoitetulla kielellä (Matlab/R/Python)
ja lineaarialgebran osaaminen helpottavat
huomattavasti opiskelua ja kurssin suorittamista.

Study materials

Luentomateriaalit

Completion methods

Method 1

Evaluation criteria:

Perustuu lopputenttiin (3 op) tai lopputenttiin + harjoitustyöhön (5 op).

Select all marked parts

Parts of the completion methods

Teaching (3–5 cr)

Type:

Participation in teaching