Episodio
Procedure consigliate per Rilevamento anomalie v1.0
Negli ultimi due episodi si è appreso un po' del servizio Azure Rilevamento anomalie. Abbiamo prima appreso un po' di cosa è e come può essere usato. Si è quindi esaminato come portare il servizio in locale usando i contenitori. Come con qualsiasi servizio di questo tipo a volte ci vuole un po ' di modifica per ottenere le cose al livello successivo. In questo episodio Qun Ying fornisce tre suggerimenti incredibili che aiuteranno quando si progetta l'architettura dell'applicazione di monitoraggio.
Scopri di più!
- Guarda la demo cool su questo episodio
- Trovare la documentazione dettagliata sulle procedure consigliate
- Vedere la panoramica del servizio API
- Creare la prima risorsa Rilevamento anomalie in Azure
- Aggiungere l'anteprima dei contenitori Rilevamento anomalie
- Partecipare alla community pubblica di "Rilevamento anomalie Advisor" per connettersi con il team del prodotto e altri membri della community
Avanzamento rapido:
- [00:46] Suggerimento 1: modalità batch e modalità di streaming in Rilevamento anomalie.
- [02:76] Suggerimento 2: Come rilevare le anomalie dai dati delle serie temporali di streaming con Rilevamento anomalie?
- [05:00] Demo interattiva del rilevamento anomalie di streaming.
- [06:36] Codice Python di rilevamento anomalie di streaming con API Rilevamento anomalie.
- [07:39] Suggerimento 3: Come pre-elaborare i dati per le API di Rilevamento anomalie?
- [08:00] Cosa accade se la serie temporale di input non viene distribuita in modo uniforme?
- [09:04] Come migliorare l'accuratezza se i dati hanno modelli stagionali?
Collegamenti preferiti di AI Show:
- Non perdere nuovi episodi, iscriversi allo show di intelligenza artificiale
- Creare un account gratuito (Azure)
- Segui Seth su Twitter
- Blog sull'intelligenza artificiale
- Machine Learning veloce
- Notizie MIT | Intelligenza artificiale
- Medio | Francesca Lazzeri
- Deep Learning e Machine Learning
- Segui Channel 9 su Twitter
Negli ultimi due episodi si è appreso un po' del servizio Azure Rilevamento anomalie. Abbiamo prima appreso un po' di cosa è e come può essere usato. Si è quindi esaminato come portare il servizio in locale usando i contenitori. Come con qualsiasi servizio di questo tipo a volte ci vuole un po ' di modifica per ottenere le cose al livello successivo. In questo episodio Qun Ying fornisce tre suggerimenti incredibili che aiuteranno quando si progetta l'architettura dell'applicazione di monitoraggio.
Scopri di più!
- Guarda la demo cool su questo episodio
- Trovare la documentazione dettagliata sulle procedure consigliate
- Vedere la panoramica del servizio API
- Creare la prima risorsa Rilevamento anomalie in Azure
- Aggiungere l'anteprima dei contenitori Rilevamento anomalie
- Partecipare alla community pubblica di "Rilevamento anomalie Advisor" per connettersi con il team del prodotto e altri membri della community
Avanzamento rapido:
- [00:46] Suggerimento 1: modalità batch e modalità di streaming in Rilevamento anomalie.
- [02:76] Suggerimento 2: Come rilevare le anomalie dai dati delle serie temporali di streaming con Rilevamento anomalie?
- [05:00] Demo interattiva del rilevamento anomalie di streaming.
- [06:36] Codice Python di rilevamento anomalie di streaming con API Rilevamento anomalie.
- [07:39] Suggerimento 3: Come pre-elaborare i dati per le API di Rilevamento anomalie?
- [08:00] Cosa accade se la serie temporale di input non viene distribuita in modo uniforme?
- [09:04] Come migliorare l'accuratezza se i dati hanno modelli stagionali?
Collegamenti preferiti di AI Show:
- Non perdere nuovi episodi, iscriversi allo show di intelligenza artificiale
- Creare un account gratuito (Azure)
- Segui Seth su Twitter
- Blog sull'intelligenza artificiale
- Machine Learning veloce
- Notizie MIT | Intelligenza artificiale
- Medio | Francesca Lazzeri
- Deep Learning e Machine Learning
- Segui Channel 9 su Twitter
Per inviare suggerimenti, Invia un problema qui.