O que é a API do Detetor de Anomalias?

Importante

[ Para mais informações, consulte a segurança dos Serviços Cognitivos Azure.

A API do Detetor de Anomalias permite-lhe monitorizar e detetar anomalias nos dados da série-tempo sem ter de conhecer a aprendizagem automática. Os algoritmos da API do Detetor de Anomalias adaptam-se identificando e aplicando automaticamente os modelos mais adequados aos seus dados, independentemente da indústria, cenário ou volume de dados. Utilizando os dados da série de tempo, a API determina limites para a deteção de anomalias, valores esperados e quais os pontos de dados que são anomalias.

Detetar alterações de padrões nos pedidos de serviço

A utilização do Detetor de Anomalias não requer qualquer experiência prévia em machine learning, e a API RESTful permite-lhe integrar facilmente o serviço nas suas aplicações e processos.

Esta documentação contém os seguintes tipos de artigos:

  • Os arranques rápidos são instruções passo a passo que permitem fazer chamadas para o serviço e obter resultados num curto espaço de tempo.
  • Os guias de como fazer contêm instruções para utilizar o serviço de forma mais específica ou personalizada.
  • Os artigos conceptuais fornecem explicações aprofundadas sobre a funcionalidade e funcionalidades do serviço.
  • Os tutoriais são guias mais longos que mostram como usar este serviço como componente em soluções de negócio mais amplas.

Funcionalidades

Com o Detetor de Anomalias, pode detetar automaticamente anomalias ao longo dos dados da série de tempo, ou como ocorrem em tempo real.

Funcionalidade Descrição
Deteção de anomalias em tempo real. Detete anomalias nos seus dados de streaming utilizando pontos de dados previamente vistos para determinar se o seu último é uma anomalia. Esta operação gera um modelo utilizando os pontos de dados que envia e determina se o ponto alvo é uma anomalia. Ao ligar para a API a cada novo ponto de dados que gerar, pode monitorizar os seus dados à medida que estes são criados.
Detete anomalias em todo o seu conjunto de dados como um lote. Utilize as suas séries de tempo para detetar quaisquer anomalias que possam existir ao longo dos seus dados. Esta operação gera um modelo utilizando todos os dados da série de tempo, com cada ponto analisado com o mesmo modelo.
Detete pontos de alteração em todo o seu conjunto de dados como um lote. Utilize as suas séries de tempo para detetar quaisquer pontos de mudança de tendência que existam nos seus dados. Esta operação gera um modelo utilizando todos os dados da série de tempo, com cada ponto analisado com o mesmo modelo.
Obtenha informações adicionais sobre os seus dados. Obtenha detalhes úteis sobre os seus dados e quaisquer anomalias observadas, incluindo valores esperados, limites de anomalias e posições.
Ajuste os limites de deteção de anomalias. A API do Detetor de Anomalias cria automaticamente limites para deteção de anomalias. Ajuste estes limites para aumentar ou diminuir a sensibilidade da API às anomalias de dados e adaptar-se melhor aos seus dados.

Demonstração

Confira esta demonstração interativa para entender como funciona o Detetor de Anomalias. Para executar a demonstração, é necessário criar um recurso de Detetor de Anomalias e obter a chave API e o ponto final.

Bloco de Notas

Para aprender a chamar a API do Detetor de Anomalias, experimente este Caderno. Este Caderno Jupyter mostra-lhe como enviar um pedido de API e visualizar o resultado.

Para executar o Caderno, deverá obter uma chave de subscrição de API do Detetor de Anomalias válida e um ponto final da API. No caderno, adicione a sua chave de subscrição de API do Detetor de Anomalias válida à subscription_key variável e altere a endpoint variável para o seu ponto final.

Fluxo de trabalho

O Detetor de Anomalias API é um serviço web RESTful, facilitando a chamada a partir de qualquer linguagem de programação que possa fazer pedidos HTTP e analisar json.

Nota

Para obter melhores resultados ao utilizar a API do Detetor de Anomalias, os dados da série de tempo com formato JSON devem incluir:

  • pontos de dados separados pelo mesmo intervalo, não mais de 10% do número esperado de pontos em falta.
  • pelo menos 12 pontos de dados se os seus dados não tiverem um padrão sazonal claro.
  • pelo menos 4 ocorrências de padrão se os seus dados tiverem um padrão sazonal claro.

Deve ter uma conta API dos Serviços Cognitivos com acesso à API do Detetor de Anomalias. Pode obter a chave de subscrição do portal Azure depois de criar a sua conta.

Depois de se inscrever:

  1. Pegue nos dados da série de tempo e converta-os num formato JSON válido. Utilize as melhores práticas ao preparar os seus dados para obter os melhores resultados.
  2. Envie um pedido para a API do Detetor de Anomalias com os seus dados.
  3. Processe a resposta da API ao analisar a mensagem JSON devolvida.

Algoritmos

Pode ler o serviço de deteção de anomalias de séries de tempo na Microsoft (aceite pela KDD 2019) para saber mais sobre os algoritmos SR-CNN desenvolvidos pela Microsoft.

Disponibilidade de serviços e redundância

A zona de serviço do Detetor de Anomalias é resistente?

Sim. O serviço de detetor de anomalias é resistente à zona por defeito.

Como posso configurar o serviço de detetor de anomalias para ser resistente à zona?

Não é necessária nenhuma configuração do cliente para permitir a resiliência da zona. A resiliência da zona para os recursos do Detetor de Anomalias está disponível por padrão e gerida pelo próprio serviço.

Implantar nas instalações utilizando contentores Docker

Utilize recipientes de detetores de anomalias para implantar funcionalidades de API no local. Os contentores docker permitem-lhe aproximar o serviço dos seus dados por razões de conformidade, segurança ou outras razões operacionais.

Juntar-se à comunidade do Detetor de Anomalias

Passos seguintes