異常の検出

独自の異常検知アルゴリズム

150を超える特許に裏打ちされたOracleの異常検知アルゴリズムにより、誤ったアラームを少なくしながら異常を早期に検出できるようになりました。これらのアルゴリズムは連携して動作し、ニューラルネットやサポートベクターマシンなどの他の機械学習(ML)アプローチよりも高い感度と誤アラーム回避を実現します。

ブログ: オラクルの新しい異常検知サービスの背景にあるファシニング(原子力)の歴史

インテリジェントなデータ前処理

OCIの異常検知には、低解像度のセンサーなど、実世界の入力データにおけるエラーや不備を考慮した複数のデータ処理技術が用意されています。データ品質の問題を自動的に識別および修正し、誤ったアラームの減少、業務の改善、より正確な結果をもたらします。

カスタムトレーニング・モデル

APIは、開発者が生データをアップロードし、独自のビジネス固有のデータを使用して異常検知モデルの学習を行い、格納されたモデルからの異常を検知するのに役立ちます。そのため、データ・サイエンスに関わらずすべてのユーザーがアクセスできる、非常に正確でカスタムトレーニングを受けた異常検知モデルが作成されます。

オープンソース・オプション

オープンソース・テクノロジーへの容易なアクセスにより、OCI異常検知モデルの使用が拡大。時系列データをInfluxDBから、またはストリーミング・データをApache Flinkから取り込みます。Plotly、Bokeh、Altairなどのオープン・ソース・ライブラリを使用して、より可視化を行い、自動化を促進します。

即効性のあるソリューション

OCIの異常検知出力には、特定された異常、MLモデルベースの推定値、異常スコアが含まれます。開発者は、これらの結果を使用して、特定された異常の重大度を評価し、ビジネス・ワークフローを自動化してすぐに対処します。

統合と導入が容易

OCIの異常検知は、パブリックREST APIを介したマルチテナント・サービスです。開発者は、社内のデータ・サイエンスと機械学習のサポートがなくとも、スケーラブルな異常検知サービスを簡単にデプロイできます。これらはすべて、データ・ネットワーキング、ストレージおよびエグレスの最低コスト・プラットフォームを利用できます。

需要に応じた拡張性

OCIの異常検知では、すべてのデータ・ソースとロードにわたるトレーニングおよび検出のニーズを自動的にスケーリングできます。開発者は、インフラストラクチャについて懸念することなく、アプリケーションとソリューションを構築してビジネス・ゴールの達成に注力できるようになります。