이상 탐지(Anomaly Detection) 실무: 산업 설비 및 금융 이상 거래 감지
강좌 소개
금융 부정 거래(FDS), 네트워크 침입, 제조 공정 설비 고장 등 전체 데이터 중 극소수에 불과한 이상치를 식별하는 이상 탐지(Anomaly Detection) 실무 과정입니다.
정답 라벨이 부족한 비지도 학습 환경에서 강력한 성능을 내는 Isolation Forest, One-Class SVM과 딥러닝 기반 Autoencoder의 복원 오차(Reconstruction Error)를 활용한 고급 탐지 기법을 실제 센서 및 금융 신용카드 거래 데이터로 실습합니다.
이 강좌에서 배우는 것들
- 불균형 데이터 및 비지도 이상 탐지 문제의 접근법 이해
- 통계적 Z-score/IQR부터 거리 기반 LOF 알고리즘 마스터
- 트리 기반 Isolation Forest 모델 튜닝 및 이상치 스코어링
- PyTorch Autoencoder를 활용한 복원 오차 기반 이상 탐지 모델 구현
교육 과정 (Curriculum)
Section 1: 이상 탐지 개요와 통계적 접근
- 이상 탐지의 정의와 산업별 응용(FDS, 설비 진단, 의료)
- 데이터 정규분포 검정과 Z-score, 사분위수(IQR) 필터링
- 다차원 데이터의 마할라노비스 거리(Mahalanobis Distance)
Section 2: 머신러닝 기반 비지도 이상 탐지
- 밀도 기반 이상 탐지: Local Outlier Factor(LOF)
- Isolation Forest의 트리 분할 원리와 고차원 이상 점수화
- One-Class SVM을 활용한 정상 데이터 경계면 학습
Section 3: 딥러닝 오토인코더와 실전 프로젝트
- 오토인코더(Autoencoder)의 압축-복원 구조와 복원 오차 개념
- 신용카드 사기 결제(Credit Card Fraud) 탐지 파이프라인 구축
- 임계값(Threshold) 설정 전략과 정밀도-재현율 트레이드오프 조율
필수 조건
- 파이썬 기초 및 Scikit-learn 기본 사용 경험
수강 대상
- 제조업 설비 예지보전(PdM) 데이터를 다루는 데이터 엔지니어
- 금융 이상 거래(FDS) 및 결제 사기 탐지 시스템 담당자
- 서버 로그 및 네트워크 트래픽 이상 패턴을 분석하려는 보안 엔지니어