Partilhar via

Tutorial: Deteção de anomalias com os serviços de IA do Azure

Neste tutorial, você aprenderá como enriquecer facilmente seus dados no Azure Synapse Analytics com os serviços de IA do Azure. Você usará o Azure AI Anomaly Detetor para encontrar anomalias. Um usuário no Azure Synapse pode simplesmente selecionar uma tabela para enriquecer para deteção de anomalias.

Este tutorial aborda:

  • Etapas para obter um conjunto de dados de tabela do Spark que contém dados de séries temporais.
  • Uso de uma experiência de assistente no Azure Synapse para enriquecer dados usando o Detetor de Anomalias.

Se não tiver uma subscrição do Azure, crie uma conta gratuita antes de começar.

Pré-requisitos

Inicie sessão no portal do Azure

Inicie sessão no portal do Azure.

Criar uma tabela do Spark

Você precisa de uma tabela Spark para este tutorial.

Crie um bloco de anotações PySpark e execute o código a seguir.

from pyspark.sql.functions import lit

df = spark.createDataFrame([
    ("1972-01-01T00:00:00Z", 826.0),
    ("1972-02-01T00:00:00Z", 799.0),
    ("1972-03-01T00:00:00Z", 890.0),
    ("1972-04-01T00:00:00Z", 900.0),
    ("1972-05-01T00:00:00Z", 766.0),
    ("1972-06-01T00:00:00Z", 805.0),
    ("1972-07-01T00:00:00Z", 821.0),
    ("1972-08-01T00:00:00Z", 20000.0),
    ("1972-09-01T00:00:00Z", 883.0),
    ("1972-10-01T00:00:00Z", 898.0),
    ("1972-11-01T00:00:00Z", 957.0),
    ("1972-12-01T00:00:00Z", 924.0),
    ("1973-01-01T00:00:00Z", 881.0),
    ("1973-02-01T00:00:00Z", 837.0),
    ("1973-03-01T00:00:00Z", 9000.0)
], ["timestamp", "value"]).withColumn("group", lit("series1"))

df.write.mode("overwrite").saveAsTable("anomaly_detector_testing_data")

Uma tabela do Spark chamada anomaly_detetor_testing_data agora deve aparecer no banco de dados padrão do Spark.

Abra o assistente de serviços de IA do Azure

  1. Clique com o botão direito do mouse na tabela Spark criada na etapa anterior. Selecione Aprendizagem Automática>Prever com um modelo para abrir o assistente.

    Captura de tela que mostra seleções para abrir o assistente de pontuação.

  2. Um painel de configuração é exibido e você é solicitado a selecionar um modelo pré-treinado. Selecione Detetor de anomalias.

    Captura de tela que mostra a seleção do Detetor de Anomalias como modelo.

Configurar o Analisador de Anomalias

Forneça os seguintes detalhes para configurar o Detetor de Anomalias:

  • Serviço vinculado dos Serviços Cognitivos do Azure: como parte das etapas de pré-requisito, você criou um serviço vinculado ao seu serviço de IA do Azure. Selecione-o aqui.

  • Granularidade: A frequência com que os dados são amostrados. Escolha mensalmente.

  • Coluna de Timestamp: A coluna que representa a data e hora da série. Escolha timestamp (string).

  • Coluna de valor da série temporal: A coluna que representa o valor da série no momento especificado pela coluna Timestamp. Escolha o valor (duplo).

  • Coluna de agrupamento: a coluna que agrupa a série. Ou seja, todas as linhas que têm o mesmo valor nesta coluna devem formar uma série temporal. Escolha grupo (string).

Quando terminar, selecione Abrir bloco de anotações. Isso gerará um bloco de anotações para você com código PySpark que usa os serviços de IA do Azure para detetar anomalias.

Captura de tela que mostra detalhes de configuração para o Detetor de Anomalias.

Executar o notebook

O bloco de anotações que você acabou de abrir usa a biblioteca SynapseML para se conectar aos serviços de IA do Azure. O serviço vinculado de serviços de IA do Azure que você forneceu permite que você faça referência segura ao seu serviço de IA do Azure a partir dessa experiência sem revelar segredos.

Agora pode executar todas as células para realizar a deteção de anomalias. Selecione Executar Tudo. Saiba mais sobre o Detetor de Anomalias nos serviços de IA do Azure.

Captura de tela que mostra a deteção de anomalias.

Próximos passos