현대 제조업은 끊임없이 변화하고 발전하고 있습니다. 이러한 변화의 중심에는 **'이상 탐지(Anomaly Detection)'**라는 기술이 자리 잡고 있습니다. 이상 탐지는 제조 공정에서 발생하는 비정상적인 패턴이나 오류를 식별하고 대응하는 기술로, 제조업의 안정성과 효율성을 높이는 데 큰 역할을 합니다.
이 책을 통해 독자들은 이상 탐지의 이론과 실습을 모두 경험하며, 제조업에서의 이상 탐지 활용법을 깊이 있게 이해할 수 있을 것입니다. 이상 탐지가 제조업의 새로운 영웅으로 자리매김할 수 있도록, 이 책이 독자 여러분들에게 유용한 길잡이가 되기를 바랍니다.

제1장 이상 탐지 수업 개요
1. 이상 탐지 소개 | 5p
2. 과정 목차 소개 | 11p

제2장 공정 이상 탐지를 위한 센서
1. 이상 탐지를 위한 센서 소개 | 25p
2. 센서를 이용한 데이터 수집 및 구축 설명 | 36p

제3장 이상 탐지 모델 학습 데이터 세트
1. 학습 데이터 세트 소개 | 44p
2. 평가 Metric 소개 | 57p

제4장 지도/비지도 학습 기반 이상 탐지
1. 지도 학습의 개념 소개 | 66p
2. 지도 학습 기반 이상 탐지의 한계 | 69p
3. 비지도 학습의 개념 소개 | 75p

제5장 이상 감지를 위한 Python 라리브러리 코딩
1. Python 라이브러리 코딩 | 83p
2. Tensor를 활용하기 위한 Pythorch 코딩 | 112p

제6장 지도 학습 기반 이상 탐지
1. 이상 탐지를 위한 지도 학습 모델 설계 | 125p
2. 간단한 지도 학습 기반 이상 탐지 실습 및 평가 | 133p

제7장 SVM을 활용한 지도 학습 기반 이상 탐지
1. SVM | 145p
2. SVM을 활용한 지도 학습 기반 이상 탐지 실습 | 155p

제8장 KNN을 활용한 비지도 학습 기반 이상 탐지
1. KNN | 167p
2. KNN을 활용한 비지도 학습 기반 이상 탐지 실습 | 175p

제9장 이상 감지를 위한 딥러닝 모델
1. 이상 감지 딥러닝 모델의 기초 및 소개 | 188p
2. 소개된 모델과 데이터의 활용 방안 설명 | 210p

제10장 딥러닝을 이용한 AutoEncoder 기반 이상 탐지 학습
1. 인코더 및 디코더 구조 설계 | 213p
2. AutoEncoder를 활용한 이상 탐지 모델 실습 | 220p

제11장 공정 이상 감지 모델 학습 및 평가
1. 모델의 학습 및 정성적, 정량적 평가 | 235p

제12장 최신 이상 감지 기술 동향 및 학습 마무리
1. 최신 이상 감지 기술 동향 | 260p