Avsnitt

bästa praxis för Avvikelseidentifiering v1.0

I de två senaste avsnitten har vi lärt oss lite om Tjänsten Azure Avvikelseidentifiering. Vi lärde oss först lite om vad det är och hur det kan användas. Sedan tittade vi på att ta tjänsten lokalt med hjälp av containrar. Som med alla tjänster av detta slag ibland krävs det lite tweaking för att få saker till nästa nivå. I det här avsnittet ger Qun Ying tre fantastiska tips som hjälper dig när vi utformar vår arkitektur för övervakningsprogram.

Läs mer!

Snabbsnabb framåt:

  • [00:46] Tips 1: Batchläge jämfört med strömningsläge i Avvikelseidentifiering.
  • [02:76] Tips 2: Så här identifierar du avvikelser från strömmande tidsseriedata med Avvikelseidentifiering?
  • [05:00] En interaktiv demonstration av avvikelseidentifiering för direktuppspelning.
  • [06:36] Python-kod för strömningsavvikelseidentifiering med Avvikelseidentifiering API:er.
  • [07:39] Tips 3: Hur förbearbetar du data för Avvikelseidentifiering API:er?
  • [08:00] Vad händer om indatatidsserien inte är jämnt fördelad?
  • [09:04] Hur kan man förbättra noggrannheten om data har säsongsmönster?

 

AI-showens favoritlänkar: