Anomali Tespiti Eğitimi | Digital Vizyon Akademi

Eğitim Hakkında

Bu eğitim, operasyon metrikleri, satın alma işlemleri, sensör ölçümleri ve veri hatlarındaki olağandışı davranışları istatistiksel ve makine öğrenmesi yöntemleriyle tespit etmek isteyen analitik ekipler için tasarlanmış iki günlük uygulamalı bir programdır. Katılımcılar Python ile tablo ve zaman serisi verisinde anomali modelleri kurar, etiketsiz ortamda değerlendirir ve alarm akışına dönüştürür.

Neden Bu Eğitim?

Doğru Yöntem Seçimi. Veri türüne, etiket durumuna ve iş ihtiyacına göre istatistiksel, makine öğrenmesi veya zaman serisi yöntemini seçin.

Çok Alanlı Vakalar. Mükerrer fatura, fiyat sapması, sensör arızası ve veri hattı kesintisi gibi farklı alanlardan senaryolarla çalışın.

Alarm Yorgunluğu. Anomali skorunu önceliklendirilmiş, açıklanabilir ve iş ekiplerinin gerçekten takip ettiği uyarılara dönüştürün.

“Anomali tespitinin değeri, bulduğu sapma sayısında değil; doğru sapmayı doğru kişiye zamanında ulaştırabilmesindedir.”

Ön Koşullar

Python ve pandas — Python sözdizimi ile pandas üzerinde filtreleme, gruplama ve birleştirme yapabilmek.
Temel İstatistik — Ortalama, medyan, standart sapma, dağılım ve yüzdelik kavramlarına hakim olmak.
Makine Öğrenmesi — scikit-learn ile model kurma deneyimi faydalıdır; temel kavramlar eğitimde hatırlatılır.
Çalışma Ortamı — Python 3 ve Jupyter kurulu bir bilgisayar veya Google Colab gibi bulut not defteri erişimi.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiAnomali türlerini tanımak, istatistiksel ve denetimsiz makine öğrenmesi yöntemleriyle tablo verisinde anomali skorlamak ve sonuçları etiketsiz değerlendirmek.

Modül 1

Anomali Tespitinin Temelleri

Nokta, bağlamsal ve toplu (collective) anomali türleri
Gürültü, uç değer ve iş açısından anlamlı anomali farkı
Denetimli, yarı denetimli ve denetimsiz yaklaşımlar
Kullanım alanları: operasyon, satın alma, veri hatları
Etiket azlığı ve anomalinin tanımında alan bilgisinin rolü
Vaka: Depo sayım farklarında olağandışı örüntüler

Modül 2

İstatistiksel Anomali Yöntemleri

Z-skoru, çeyrekler arası açıklık (IQR) ve sınır kuralları
Medyan mutlak sapma (MAD) ile sağlam eşikler
Grup bazlı eşikler: tedarikçi, kategori ve lokasyon
Mahalanobis mesafesi ile çok değişkenli sapma
Benford yasası ile tutar dağılımı analizi
Laboratuvar: Satın alma siparişlerinde fiyat sapması

Modül 3

Denetimsiz Makine Öğrenmesi Modelleri

Isolation Forest ile ağaç tabanlı anomali skoru
Local Outlier Factor ve yoğunluk tabanlı tespit
One-Class SVM ve sınır tabanlı yaklaşımlar
PyOD kütüphanesi ile model karşılaştırma
Ölçekleme, kategorik kodlama ve özellik seçimi etkisi
Laboratuvar: Tedarikçi faturalarında şüpheli kayıtlar

Modül 4

Etiketsiz Ortamda Değerlendirme

Etiket yokken değerlendirme: örneklem inceleme
Precision@k ve inceleme kapasitesine göre eşik
Uzman geri bildirimiyle etiket toplama döngüsü
Mükerrer fatura tespiti: bulanık eşleştirme yaklaşımı
Vaka: Satın alma denetiminde öncelikli inceleme listesi
Günün değerlendirmesi ve zaman serisi gününe köprü

Günün hedefiZaman serisi ve sensör verisinde anomali ve değişim noktası tespit etmek, veri hatlarını ve akışları izlemek ve açıklanabilir bir alarm akışı tasarlamak.

Modül 1

Zaman Serisi Anomali Tespiti

Trend, mevsimsellik ve STL ayrıştırması ile artık analizi
Hareketli pencere istatistikleri ve dinamik eşikler
Tahmin tabanlı yaklaşım: tahmin hatasından anomali
Değişim noktası tespiti ve ruptures kütüphanesi
Tatil, kampanya ve planlı duruşların etkisini ayırma
Laboratuvar: Günlük sipariş hacminde anomali tespiti

Modül 2

Sensör Verisi ve Derin Öğrenme Yaklaşımları

Çok değişkenli sensör verisinde korelasyon kırılmaları
Otokodlayıcı (autoencoder) ile yeniden yapılandırma hatası
Sıralı veride pencereleme ve özellik çıkarımı
Derin öğrenme ile klasik yöntemlerin maliyet karşılaştırması
Açıklanabilirlik: hangi değişken sapmaya neden oldu?
Laboratuvar: Kompresör sensör verisinde arıza sinyali

Modül 3

Veri Hatları ve Akış Verisinde Tespit

Veri kalitesi anomalileri: hacim, gecikme, şema, dağılım
Great Expectations ile veri doğrulama kuralları
Akış verisinde çevrim içi öğrenme ve River kütüphanesi
Apache Kafka ile olay akışında skorlama mimarisi
Model güncelleme ve kavram kayması yönetimi
Demo: Veri hattında eksik yükleme anomali alarmı

Modül 4

Alarm Tasarımı, Mini Proje ve Kapanış

Skor birleştirme, önceliklendirme ve alarm yorgunluğu
Alarm içeriği: bağlam, açıklama ve önerilen aksiyon
Mini proje: Seçilen veri setinde uçtan uca tespit akışı
Proje sunumları ve yöntem seçimi geri bildirimi
Eğitim değerlendirmesi, Soru-Cevap ve sertifika takdimi
Laboratuvar not defterlerinin teslimi ve kapanış

Eğitim Kazanımları

Problem Çerçeveleme — Anomali türünü, veri yapısını ve iş bağlamını analiz ederek probleme en uygun tespit yaklaşımını seçebileceksiniz.
İstatistiksel Tespit — Z-skoru, MAD, IQR ve Mahalanobis mesafesiyle grup bazlı ve sağlam anomali eşikleri oluşturabileceksiniz.
Denetimsiz Modeller — Isolation Forest, LOF ve PyOD modellerini tablo verisinde kurup karşılaştırarak anomali skorları üretebileceksiniz.
Satın Alma Analitiği — Fiyat sapması, mükerrer fatura ve olağandışı tedarikçi davranışlarını veriyle önceliklendirebileceksiniz.
Zaman Serisi — STL ayrıştırması, tahmin hatası ve değişim noktası yöntemleriyle zaman serilerindeki sapmaları yakalayabileceksiniz.
Sensör ve Akış — Sensör ve akış verisinde otokodlayıcı ve çevrim içi öğrenmeyle gerçek zamanlıya yakın tespit kurgulayabileceksiniz.
Veri Hattı İzleme — Hacim, gecikme ve şema anomalilerini yakalayan veri kalitesi kontrollerini veri hatlarına ekleyebileceksiniz.
Etkili Alarm — Anomali skorlarını açıklamalı, önceliklendirilmiş ve aksiyona dönüşen alarm akışlarına çevirebileceksiniz.

Kimler İçin Uygundur?

Veri analistleri
veri mühendisleri
operasyon ve satın alma analitiği uzmanları
iç denetim veri ekipleri ile izleme ve raporlama sistemlerini geliştiren BT profesyonelleri.

Sıkça Sorulan Sorular

Anomali Tespiti Eğitimi kimler için uygundur?

Program; veri analistleri, veri mühendisleri, operasyon ve satın alma analitiği uzmanları, iç denetim veri ekipleri ve izleme sistemleri geliştiren BT profesyonelleri için tasarlanmıştır.

Eğitim ne kadar sürer ve hangi formatta verilir?

Eğitim 2 tam gün ve 8 modülden oluşur. İlk gün tablo verisinde istatistiksel ve denetimsiz yöntemler, ikinci gün zaman serisi, akış verisi ve alarm tasarımı işlenir. Yüz yüze veya online olarak verilebilir.

Katılım için hangi ön bilgiler gerekiyor?

Python ve pandas ile veri işleme yapabilmek ve temel istatistik kavramlarını bilmek gerekir. scikit-learn deneyimi faydalıdır. Laboratuvarlar için Jupyter veya Google Colab erişimi yeterlidir.

Bu eğitim dolandırıcılık tespiti eğitiminden nasıl ayrışır?

Anomali Tespiti Eğitimi etiketsiz ortamda genel amaçlı tespit yöntemlerine odaklanır ve operasyon, satın alma, sensör ve veri hattı senaryolarını kapsar. Dolandırıcılık tespitine özgü dengesiz sınıflandırma ve ağ analitiği ayrı programda işlenir.

Hangi kütüphaneler kullanılıyor, sertifika veriliyor mu?

pandas, scikit-learn, PyOD, statsmodels, ruptures, River ve Great Expectations kullanılır; otokodlayıcı örnekleri PyTorch ile gösterilir. Programı tamamlayan katılımcılar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

ANOMALİ TESPİTİ EĞİTİMİ