인공지능 기술의 발전으로 인해 다양한 산업 분야에서 데이터 분석과 인공지능 기술을 활용한 문제 해결이 이루어지고 있습니다. 특히, 제조업에서는 공정 이상 탐지가 매우 중요한 문제 중 하나입니다. 공정 이상 탐지는 공정에서 발생하는 이상 현상을 빠르게 탐지하고, 이를 조치하여 생산성을 높이고 품질을 유지하는 데 중요한 역할을 합니다.

이 책은 공정 이상 탐지를 위한 센서 데이터 분석과 인공지능 기술을 다루는 책입니다. 이 책에서는 다음과 같은 내용을 다룹니다.

이 책은 인공지능 기술을 처음 접하는 독자도 쉽게 이해할 수 있도록 구성되어 있습니다. 다양한 예제와 실습을 통해 독자가 직접 이상 탐지 모델을 만들어볼 수 있도록 구성되어 있습니다.

이 책을 통해 독자 여러분이 공정 이상 탐지에 대한 이해를 높이고, 실제 문제 해결에 적용할 수 있는 능력을 갖출 수 있기를 바랍니다.

제1부 이상 탐지 개요 | 6p
제1장 이상 탐지 소개 | 6p

제2부 공정 이상 탐지를 위한 센서 | 12p
제1장 이상 탐지를 위한 센서 소개 | 12p
제2장 센서를 이용한 데이터 수집 및 구축 | 23p

제3부 이상 탐지 모델 학습 데이터 세트 | 30p
제1장 학습 데이터 세트 소개 | 30p
제2장 평가 Metric 소개 | 43p

제4부 지도/비지도 학습 기반 이상 탐지 | 50p
제1장 지도 학습의 개념 소개 | 50p
제2장 지도 학습 기반 이상 탐지의 한계 | 53p
제3장 비지도 학습의 개념 소개 | 59p

제5부 이상 감지를 위한 Python 라이브러리 코딩 | 66p
제1장 Python 라이브러리 코딩 | 66p
제2장 Tensor를 활용하기 위한 PyTorch코딩 | 95p

제6부 지도 학습 기반 이상 탐지 | 107p
제1장 이상탐지를 위한 지도 학습 모델 설계 | 107p

제7부 SVM을 활용한 지도 학습 기반 이상 탐지 | 126p
제1장 SVM(Support Vector Machine) | 126p
제2장 SVM을 활용한 지도 학습 기반 이상 탐지 실습 | 136p

제8부 KNN을 활용한 비지도 학습 기반 이상 탐지
소개 | 147p
제1장 KNN | 147p
제2장 KNN을 활용한 비지도 학습 기반 이상 탐사 실습 | 155p

제9부 이상 감지를 위한 딥러닝 모델 | 167p
제1장 이상 감지 딥러닝 모델의 기초 및 소개 | 167p
제2장 소개된 모델과 데이터 활용 방안 설명 | 189p

제10부 딥러닝을 이용한 AutoEncoder 기반 이상 탐지 학습 | 191p
제1장 인코더 및 디코더 구조 설계 | 191p
제2장 AutoEncoder를 이용한 이상 탐지 모델 실습 | 198p

제11부 공정 이상 감지 모델 학습 평가 | 212p
제1장 모델의 학습 및 정성적, 정량적 평가 | 212p

제12부 최신 이상 감지 기술 동향 | 236p
제1장 최신 이상 감지 기술 동향 | 236p