Keine Ergebnisse gefunden

Ihre Suche ergab keine Treffer.

Beachten Sie die folgenden Tipps, um das Gesuchte zu finden:

  • Prüfen Sie die Schreibweise des Suchbegriffs.
  • Verwenden Sie Synonyme für das eingegebene Stichwort, z. B. „Anwendung“ statt „Software“.
  • Beginnen Sie eine neue Suche.
Kontaktieren Sie uns Bei Oracle Cloud anmelden

Anomalieerkennung

Die Anomalieerkennung von Oracle Cloud Infrastructure (OCI) ist ein KI-Service, mit dem Entwickler unternehmensspezifische Anomalieerkennungsmodelle einfacher erstellen können, die kritische Vorfälle kennzeichnen, was zu einer schnelleren Erkennung und Lösung führt. Spezialisierte APIs und automatisierte Modellauswahl vereinfachen Schulungen und stellen Anomalieerkennungsmodelle für Anwendungen und Vorgänge bereit – alles ohne Data-Science-Kenntnisse.

Anomalieerkennungsfunktionen

Proprietäre Anomalie-Erkennungsalgorithmen

Oracle Anomalie-Erkennungsalgorithmen, unterstützt durch mehr als 150 Patente, erkennen Anomalien früher mit weniger falschen Alarmen. Diese Algorithmen arbeiten zusammen, um eine höhere Empfindlichkeit und bessere Falschalarmvermeidung zu gewährleisten als andere Ansätze des maschinellen Lernens (ML), wie neuronale Netze und unterstützende Vektormaschinen.

Blog: Die faszinierende (nukleare) Geschichte hinter dem neuen Anomalieerkennungsservice von Oracle

Intelligente Datenvorverarbeitung

Die OCI-Anomalieerkennung bietet mehrere Datenverarbeitungstechniken, die Fehler und Unzulänglichkeiten in realen Eingabedaten, wie z. B. von Sensoren mit niedriger Auflösung, verursachen. Es identifiziert und korrigiert automatisch Probleme mit der Datenqualität und führt weniger falsche Alarme, bessere Abläufe und genauere Ergebnisse.

Individuell geschulte Modelle

Mit APIs können Entwickler Rohdaten hochladen, das Anomalieerkennungsmodell mit ihren eigenen geschäftsspezifischen Daten trainieren und Anomalien aus dem gespeicherten Modell erkennen. Dadurch können hochgenaue, benutzerdefinierte Anomalieerkennungsmodelle für alle zugänglich gemacht werden, auch ohne Data Science-Erfahrung.

Open Source-Optionen

Der einfache Zugriff auf Open-Source-Technik erweitert die Nutzung der Modelle der OCI-Anomalieerkennung. Rufen Sie Zeitreihendaten aus InfluxDB oder Streamingdaten aus Apache Flink ab. Verwenden Sie Open-Source-Bibliotheken wie Plotly, Bokeh und Altair für Visualisierungen und zur Automatisierung.


Sofort einsatzbereite Ergebnisse

Zu den Ausgaben der OCI-Anomalieerkennung gehören identifizierte Anomalien, ML-Modellbasierte geschätzte Werte und Anomaliebewertungen. Entwickler verwenden diese Ergebnisse, um den Schweregrad identifizierter Anomalien zu bewerten und Geschäftsworkflows zu automatisieren, um diese sofort zu beheben.

Einfache Integration und Bereitstellung

OCI-Anomalieerkennung ist ein mehrmandantenfähiger Service über öffentliche REST-APIs. Entwickler können einen skalierbaren Anomalieerkennungsservice einfach ohne internen Data Science- und ML-Support bereitstellen, der alle die kostengünstigste Plattform für Datennetworking, Speicher und Egress bietet.

Skalierbarkeit nach Bedarf

Die OCI-Anomalieerkennung skaliert automatisch auf Schulungs- und Erkennungsanforderungen in allen Datenquellen und Lasten. Entwickler können sich nun darauf konzentrieren, Anwendungen und Lösungen zu erstellen, um ihre Geschäftsziele zu erreichen, ohne sich um die Infrastruktur zu kümmern.


SS Global

Verbesserung der Fahrzeugverfügbarkeit und der pünktlichen Lieferung von Fracht

SS Global, ein innovatives Transportlogistikunternehmen, hat eine IoT-Anwendung geschaffen, die Reifen- und Fahrzeugbedingungen über verschiedene Sensoren überwacht. Sie wählten die OCI-Anomalieerkennung, um Anomalien in Fahrzeugen zu identifizieren, wie abgefahrene Reifen oder Luftverlust, die Warnungen generieren, um zu verhindern, dass kleine Probleme große Probleme werden.

Anwendungsfälle zur Anomalieerkennung

  • Anwendungsfälle für IT-Abläufe

    Mit OCI-Anomalieerkennung können IT-Teams die Servicelevel, Ursachenanalyse, IoT-Deployments, Bedrohungsreduzierung und Überwachung der Datenbanktransaktionen verbessern.

  • Anwendungsfälle für Geschäftsabläufe

    Von der Betrugserkennung für Banken bis zur Trichterkonvertierung für Marketingteams ermöglicht die OCI-Anomalieerkennung Unternehmen, Probleme und Chancen zu erkennen, um die Innovation und Effizienz ihrer Geschäftsprozesse zu verbessern.

  • Anwendungsfälle für KI und ML

    Die OCI-Anomalieerkennung verbessert KI- und ML-Prozesse, einschließlich Apps-Überwachung, Datenbereinigung und Datenschulung. Verwenden Sie die Anomalieerkennung, um unerwartete Änderungen der Modellgenauigkeit zu erkennen, die Datenintegrität zu verbessern und die Modell- und Anwendungsleistung zu optimieren.

  • Finanzen und Einzelhandel: Betrugserkennung

    Betrugsmuster ändern sich im Laufe der Zeit, und herkömmliche Deep-Learning-Methoden erkennen seltene Ereignisse in sehr großen Datenquellen nicht immer. Spezielle Algorithmen können betrügerische Transaktionen erkennen, die sofort Betrüger in Echtzeit aufnehmen, mit weniger falschen Alarmen als andere ML-Ansätze.

  • Versorgungsunternehmen: Energiemanagement

    Versorgungsunternehmen müssen die Energieerzeugung und -verbrauch in Echtzeit überwachen, um dynamisch auf die Nachfrage zu reagieren und den Energieverbrauch zu optimieren. Innovative ML-Ansätze analysieren Daten zu Energieerzeugung, Wetter und Kontrollsystemen, um sowohl für Energieerzeuger als auch für Verbraucher ein optimales Erlebnis zu bieten

  • Fertigung: Betriebliche Effizienz

    Anomalieerkennung von Betriebsmetriken in Echtzeit, wie Ausbeute, Auslastung und Durchsatz, kann unerwünschte Änderungen der Produktion erkennen und automatisierte Workflows für sofortige Maßnahmen generieren.

  • Transport und Herstellung: Anlagenüberwachung

    Untergliederungen bei Geräten führen zu Produktivitätsverlusten und sogar Risiken für Mitarbeiter. Schnelle Erkennung und Ursachenanalyse für Teile und Maschinen sorgen für einen reibungslosen Betrieb von Systemen.

Anomaly Detection – Tarife

Always Free Tier für Entwickler: OCI-Anomalieerkennung ist Teil des Always Free-Kontingents von OCI, mit dem Entwickler und Data Scientists ihre Modelle bewerten und trainieren können.

Produktion: Bei laufenden Vorgängen reduziert der OCI Anomaly Detection Service die Kosten im Vergleich zu anderen Clouds um bis zu 20 Prozent. Die Preisfindung basiert auf einer Gruppierung von 1.000 Transaktionen, definiert als 1.000, und ermittelt API-Aufrufe, wobei jeder Aufruf bis zu 1.000 Datenpunkte verarbeitet. Wenn ein Kunde OCI-Anomalieerkennung mit einer Payload von 500 Datenpunkten anruft, die als eine Transaktion gezählt werden würde. Die OCI-Anomalieerkennung bietet kostenlose Preise für die ersten 1.000 Produktionstransaktionen pro Monat. Jede Gruppierung von 1.000 Transaktionen nach den ersten 1.000 Transaktionen wird mit 0,25 $ pro 1.000 Transaktionen in Rechnung gestellt.

OCI Anomaly Detection

Anzahl der Anrufe
Preis
Tier-Limit
0–1.000 Transaktionen

1.000 Transaktionen
Alle 1.000 Transaktionen nach den ersten 1.000 Transaktionen

Keiner

Schulung zur Erkennung von OCI-Anomalien

Anzahl der Anrufe
Preis
Tier-Limit
Die Schulung ist kostenlos bis zu 100 M Datenpunkte (Produkt von Signalen und Zeitstempel) pro Region pro Monat. Der Kunde kann ein Serviceanfrageticket einreichen, um dieses Schulungslimit zu erhöhen.
0.00 $ (Always Free Tier)
Nur für Modellschulungszwecke
13. Juli 2021

Bereitstellung von Ferndiagnosen ohne interne Data Science- und ML-Experten

Viji Krishnamurthy, Senior Director Product Management, Oracle

OCI-Anomalieerkennung ist ein robuster, skalierbarer und benutzerfreundlicher AI-Service, der multivariate Zeitreihendaten in großen Mengen überwacht und Sie darüber informiert, wenn etwas Ihre Aufmerksamkeit erfordert. Authentifizierte Benutzer können über die REST-API, die Befehlszeilenschnittstelle, das Entwicklungskit oder die Oracle Cloud Infrastructure-Konsole auf OCI Anomaly Detection Service zugreifen.

Verwandte Cloud-Produkte

OCI Data Science

Open Source-Bibliotheken und -Frameworks

OCI-Datenintegration

Kombinieren und transformieren Sie mühelos Daten für Datenwissenschaft und Analyse

OCI-Datenkatalog

Suchen und verwalten Sie Daten mithilfe eines organisierten Lagers an Datenbeständen im gesamten Unternehmen

OCI-Datenfluss

Apache Spark-Anwendungen auf einem vollständig verwalteten Big Data-Service ausführen

Erste Schritte mit Anomaly Detection


Kostenlose Builds in OCI-Anomalieerkennung durchführen

Erstellen Sie ein ML-Modell in einem OCI-Workshop. Erkennen Sie Produktionsanomalien in nur wenigen geführten Schritten.


Vertrieb kontaktieren

Chatten Sie live mit Vertrieb oder Support.