Episodio

Procedimientos recomendados de Anomaly Detector v1.0

En nuestros dos últimos episodios hemos aprendido un poco sobre el servicio Azure Anomaly Detector. Primero hemos aprendido un poco sobre lo que es y cómo se puede usar. A continuación, hemos examinado la incorporación del servicio local mediante contenedores. Al igual que con cualquier servicio de este tipo a veces se tarda un poco en ajustar para conseguir cosas al siguiente nivel. En este episodio Qun Ying ofrece tres consejos increíbles que le ayudarán a diseñar nuestra arquitectura de aplicaciones de supervisión.

Más información

Avance rápido:

[00:46] Sugerencia 1: Modo por lotes frente al modo de streaming en Anomaly Detector.
[02:76] Sugerencia 2: ¿Cómo detectar anomalías de datos de series temporales de streaming con Anomaly Detector?
[05:00] Demostración interactiva de la detección de anomalías de streaming.
[06:36] Código de Python de detección de anomalías de streaming con las API de Anomaly Detector.
[07:39] Sugerencia 3: ¿Cómo procesar previamente los datos de las API de Anomaly Detector?
[08:00] ¿Qué ocurre si la serie temporal de entrada no se distribuye uniformemente?
[09:04] ¿Cómo mejorar la precisión si los datos tienen patrones estacionales?

vínculos favoritos en The AI Show:

Más información

Avance rápido:

[00:46] Sugerencia 1: Modo por lotes frente al modo de streaming en Anomaly Detector.
[02:76] Sugerencia 2: ¿Cómo detectar anomalías de datos de series temporales de streaming con Anomaly Detector?
[05:00] Demostración interactiva de la detección de anomalías de streaming.
[06:36] Código de Python de detección de anomalías de streaming con las API de Anomaly Detector.
[07:39] Sugerencia 3: ¿Cómo procesar previamente los datos de las API de Anomaly Detector?
[08:00] ¿Qué ocurre si la serie temporal de entrada no se distribuye uniformemente?
[09:04] ¿Cómo mejorar la precisión si los datos tienen patrones estacionales?

vínculos favoritos en The AI Show: