KYBS7041 Anomaly Detection (3–5 cr)

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, 2023-2024

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
x

Teaching (3–5 cr)

Type:
Participation in teaching
Grading scale:
0-5
Language:
English, Finnish

Teaching