Episode
Anomalieerkennung v1.0 Best Practices
In unseren letzten beiden Episoden haben wir etwas über den Azure Anomalieerkennung-Dienst gelernt. Wir haben zunächst etwas darüber gelernt, was es ist und wie es verwendet werden kann. Anschließend haben wir uns angesehen, den Dienst lokal mithilfe von Containern zu bringen. Wie bei jedem Dienst dieser Art braucht es manchmal ein wenig Optimierung, um Dinge auf die nächste Stufe zu bringen. In dieser Episode gibt Qun Ying drei erstaunliche Tipps, die beim Entwerfen unserer Überwachungsanwendungsarchitektur helfen.
Weitere Informationen
- Sehen Sie sich die coole Demo auf dieser Episode an
- Detaillierte Dokumentation zu den bewährten Methoden finden
- Sehen Sie sich die Übersicht über den API-Dienst an.
- Erstellen Ihrer ersten Anomalieerkennung-Ressource in Azure
- Anomalieerkennung Containervorschau beitreten
- Treten Sie der öffentlichen Community "Anomalieerkennung Berater" bei, um sich mit dem Produktteam und anderen Mitgliedern in der Community zu verbinden.
Vorlauf:
- [00:46] Tipp 1: Batchmodus im Vergleich zum Streamingmodus in Anomalieerkennung.
- [02:76] Tipp 2: Wie erkennen Sie Anomalien aus Daten der Streamingzeitreihe mit Anomalieerkennung?
- [05:00] Eine interaktive Demo zur Anomalieerkennung des Streamings.
- [06:36] Python-Code der Anomalieerkennung mit Anomalieerkennung APIs.
- [07:39] Tipp 3: Wie sie Daten für Anomalieerkennung APIs vorab verarbeiten?
- [08:00] Was geschieht, wenn die Eingabezeitreihe nicht gleichmäßig verteilt wird?
- [09:04] Wie kann die Genauigkeit verbessert werden, wenn die Daten saisonale Muster aufweisen?
Die Favoritenlinks der KI-Show:
In unseren letzten beiden Episoden haben wir etwas über den Azure Anomalieerkennung-Dienst gelernt. Wir haben zunächst etwas darüber gelernt, was es ist und wie es verwendet werden kann. Anschließend haben wir uns angesehen, den Dienst lokal mithilfe von Containern zu bringen. Wie bei jedem Dienst dieser Art braucht es manchmal ein wenig Optimierung, um Dinge auf die nächste Stufe zu bringen. In dieser Episode gibt Qun Ying drei erstaunliche Tipps, die beim Entwerfen unserer Überwachungsanwendungsarchitektur helfen.
Weitere Informationen
- Sehen Sie sich die coole Demo auf dieser Episode an
- Detaillierte Dokumentation zu den bewährten Methoden finden
- Sehen Sie sich die Übersicht über den API-Dienst an.
- Erstellen Ihrer ersten Anomalieerkennung-Ressource in Azure
- Anomalieerkennung Containervorschau beitreten
- Treten Sie der öffentlichen Community "Anomalieerkennung Berater" bei, um sich mit dem Produktteam und anderen Mitgliedern in der Community zu verbinden.
Vorlauf:
- [00:46] Tipp 1: Batchmodus im Vergleich zum Streamingmodus in Anomalieerkennung.
- [02:76] Tipp 2: Wie erkennen Sie Anomalien aus Daten der Streamingzeitreihe mit Anomalieerkennung?
- [05:00] Eine interaktive Demo zur Anomalieerkennung des Streamings.
- [06:36] Python-Code der Anomalieerkennung mit Anomalieerkennung APIs.
- [07:39] Tipp 3: Wie sie Daten für Anomalieerkennung APIs vorab verarbeiten?
- [08:00] Was geschieht, wenn die Eingabezeitreihe nicht gleichmäßig verteilt wird?
- [09:04] Wie kann die Genauigkeit verbessert werden, wenn die Daten saisonale Muster aufweisen?
Die Favoritenlinks der KI-Show:
Feedback? Melden Sie hier ein Problem.