Épisode
Meilleures pratiques pour détecteur d’anomalies v1.0
Dans nos deux derniers épisodes, nous avons appris un peu sur le service Détecteur d’anomalies Azure. Nous avons d’abord appris un peu ce qu’il est et comment il peut être utilisé. Ensuite, nous avons examiné l’apport du service en local à l’aide de conteneurs. Comme avec n’importe quel service de ce genre parfois, il faut un peu d’ajustement pour obtenir des choses au niveau suivant. Dans cet épisode Qun Ying donne trois conseils étonnants qui aideront lorsque nous concevons notre architecture d’application de surveillance.
En savoir plus !
- Découvrez la démonstration cool sur cet épisode
- Recherchez la documentation détaillée sur les meilleures pratiques
- Découvrez la vue d’ensemble du service d’API
- Créer votre première ressource Détecteur d’anomalies sur Azure
- Aperçu des conteneurs détecteurs d’anomalies
- Rejoignez la communauté publique « Détecteurs d’anomalies » pour vous connecter à l’équipe produit et à d’autres membres de la communauté
Avance rapide :
- [00 :46] Conseil 1 : mode Batch et mode streaming dans Détecteur d’anomalies.
- [02 :76] Conseil 2 : Comment détecter les anomalies des données de série chronologique en streaming avec détecteur d’anomalies ?
- [05 :00] Démonstration interactive de la détection des anomalies de diffusion en continu.
- [06 :36] Code Python de la détection d’anomalies de streaming avec les API Détecteur d’anomalies.
- [07 :39] Conseil 3 : Comment prétraiter les données des API Détecteur d’anomalies ?
- [08 :00] Que se passe-t-il si la série chronologique d’entrée n’est pas distribuée uniformément ?
- [09 :04] Comment améliorer la précision si les données ont des modèles saisonniers ?
Liens favoris du show IA :
Dans nos deux derniers épisodes, nous avons appris un peu sur le service Détecteur d’anomalies Azure. Nous avons d’abord appris un peu ce qu’il est et comment il peut être utilisé. Ensuite, nous avons examiné l’apport du service en local à l’aide de conteneurs. Comme avec n’importe quel service de ce genre parfois, il faut un peu d’ajustement pour obtenir des choses au niveau suivant. Dans cet épisode Qun Ying donne trois conseils étonnants qui aideront lorsque nous concevons notre architecture d’application de surveillance.
En savoir plus !
- Découvrez la démonstration cool sur cet épisode
- Recherchez la documentation détaillée sur les meilleures pratiques
- Découvrez la vue d’ensemble du service d’API
- Créer votre première ressource Détecteur d’anomalies sur Azure
- Aperçu des conteneurs détecteurs d’anomalies
- Rejoignez la communauté publique « Détecteurs d’anomalies » pour vous connecter à l’équipe produit et à d’autres membres de la communauté
Avance rapide :
- [00 :46] Conseil 1 : mode Batch et mode streaming dans Détecteur d’anomalies.
- [02 :76] Conseil 2 : Comment détecter les anomalies des données de série chronologique en streaming avec détecteur d’anomalies ?
- [05 :00] Démonstration interactive de la détection des anomalies de diffusion en continu.
- [06 :36] Code Python de la détection d’anomalies de streaming avec les API Détecteur d’anomalies.
- [07 :39] Conseil 3 : Comment prétraiter les données des API Détecteur d’anomalies ?
- [08 :00] Que se passe-t-il si la série chronologique d’entrée n’est pas distribuée uniformément ?
- [09 :04] Comment améliorer la précision si les données ont des modèles saisonniers ?
Liens favoris du show IA :
Vous voulez donner votre avis ? Soumettez un défi ici.