Identificação de problemas com o Detector de Anomalias

O Detector de Anomalias ajuda você a inserir facilmente recursos de detecção de anomalias em seus aplicativos para que os usuários possam identificar os problemas com rapidez. Não é necessário nenhum conhecimento em Machine Learning. Esta API ingere dados de série temporal de todos os tipos e seleciona o modelo de detecção de anomalias que melhor se ajusta aos seus dados para garantir alta precisão.
Identificação de problemas com o Detector de AnomaliasO Detector de Anomalias ajuda você a inserir facilmente recursos de detecção de anomalias em seus aplicativos para que os usuários possam identificar os problemas com rapidez. Não é necessário nenhum conhecimento em Machine Learning. Esta API ingere dados de série temporal de todos os tipos e seleciona o modelo de detecção de anomalias que melhor se ajusta aos seus dados para garantir alta precisão.123456

Ingere dados de vários repositórios que contêm dados brutos para serem monitorados pelo Detector de Anomalias.

Agregará, coletará amostras e calculará os dados brutos para gerar a série temporal ou fará uma chamada à API do Detector de Anomalias diretamente se a série temporal já estiver preparada e receber uma resposta com os resultados da detecção.

Enfileira os metadados relacionados à anomalia.

Com base nos metadados relacionados à anomalia, chama o serviço de alerta personalizado.

Armazena os metadados de detecção de anomalias.

Visualiza os resultados da detecção de anomalias de série temporal.

  1. 1 Ingere dados de vários repositórios que contêm dados brutos para serem monitorados pelo Detector de Anomalias.
  2. 2 Agregará, coletará amostras e calculará os dados brutos para gerar a série temporal ou fará uma chamada à API do Detector de Anomalias diretamente se a série temporal já estiver preparada e receber uma resposta com os resultados da detecção.
  3. 3 Enfileira os metadados relacionados à anomalia.
  1. 4 Com base nos metadados relacionados à anomalia, chama o serviço de alerta personalizado.
  2. 5 Armazena os metadados de detecção de anomalias.
  3. 6 Visualiza os resultados da detecção de anomalias de série temporal.

Diretrizes de implementação

Produtos/descrição Documentação

Barramento de Serviço

MaaS (sistema de mensagens como serviço) de nuvem confiável e integração híbrida simples

Azure Databricks

Simplifique a migração dos bancos de dados locais para a nuvem

Power BI

Aprimorar a análise de negócios

Contas de armazenamento

Armazenamento em nuvem durável, de alta disponibilidade e altamente escalonável