97607 20210118122851.0 TAZ-TFM-2020-916 spa Lahoz Muñoz, Miguel Anomaly detection in sequential data using machine learning techniques Detección de anomalías en datos secuenciales mediante técnicas de machine learning Zaragoza Universidad de Zaragoza 2020 by-nc-sa Creative Commons 3.0 http://creativecommons.org/licenses/by-nc-sa/3.0/ La detección de anomalías es un problema que surge desde distintos campos. Desde evitar el fraude en transacciones bancarias, pasando por la detección de ataques en línea, hasta la detección de nuevas partículas en los grandes aceleradores de partículas, los algoritmos de detección trabajan en un amplio espectro de casos, cada uno con sus características peculiares. Sin embargo, la gran mayoría de estos sistemas son estáticos: funcionan para las condiciones concretas para las que fueron diseñados, pero pocos son capaces de adaptar la condición de “normalidad” conforme se obtienen nuevos datos. En este trabajo se pretenden estudiar las alternativas de algoritmos de detección de anomalías, con el objetivo de construir un sistema que permita, sin entrenamiento o con apenas entrenamiento, detectar anomalías en un sistema nuevo, e ir adaptándose a los cambios que vayan surgiendo.<br /><br /> Máster Universitario en Física y Tecnologías Físicas Derechos regulados por licencia Creative Commons Medrano Marqués, Nicolás J. dir. Universidad de Zaragoza Ingeniería Electrónica y Comunicaciones 680803@unizar.es 304145 http://zaguan.unizar.es/record/97607/files/TAZ-TFM-2020-916_ANE.pdf Anexos (spa) 3277466 http://zaguan.unizar.es/record/97607/files/TAZ-TFM-2020-916.pdf Memoria (spa) oai:zaguan.unizar.es:97607 driver trabajos-fin-master deposita:2021-01-18 TAZ TFM CIEN 20200911112105.CREATION_DATE