Introducción a metodologías de detección de anomalías con Python

Curso de formación realizado en colaboración con la Asociación de Tecnologías de la Información de la Comunitat Valenciana (SOMDIGITALS) y la Asociación Valenciana de Ingenieros de Telecomunicación (AVIT)

La detección de anomalías es el proceso que identifica datos que se desvían del comportamiento esperado. Datos anómalos pueden ser indicativos de problemas graves, por lo que su detección cobra una enorme importancia en varias industrias como en la ciberseguridad, mediante la detección de intrusiones, o la de seguros, mediante la detección de fraude. La detección temprana de anomalías permite tomar acciones críticas que permiten mantener un estándar de calidad y minimizar pérdidas económicas.

En este curso se presentará el problema de detección de anomalías y los distintos aspectos que lo caracterizan. Se expondrán las metodologías más populares y con mayor éxito, resaltando las ventajas y desventajas de cada una. Se hará hincapié en métodos aplicables a serie temporales.

Se usará el lenguaje de programación Python para aplicar las distintas metodologías expuestas sobre conjuntos de datos reales y simulados. Python es un lenguaje con sintaxis sencilla y ampliamente extendido en las comunidades científica, informática y académica. Se está convirtiendo en el lenguaje de programación estándar de prototipado e implementación de soluciones dotadas de inteligencia artificial.

Objetivos

Al completar el curso los alumnos adquirirán las competencias siguientes:

• Conocimiento de las distintas problemáticas asociadas a un proyecto de detección de anomalías.
• Conocimiento de familias de modelos de uso común.
• Comprender las ventajas y desventajas de distintas metodologías de detección de anomalías.
• Uso de librerías especializadas de Python para detectar anomalías en datos tabulares y series temporales.
• Familiaridad con otras herramientas open source.
• Conocimiento de casos de uso reales.

Publico objetivo

Personas con experiencia en análisis de datos que quieren ampliar su skillset con metodologías no supervisadas de machine learning, y que desean conocer los detalles técnicos y los riesgos asociados al problema de la detección de anomalías.

Prerrequisitos

• Conocimiento de un curso de introducción al Machine Learning
• Experiencia con Python
• Familiaridad con librerías de computación numérica (e.g. numpy)