Nuestra plataforma Unified Ops (www.OpsStack.io) utiliza ML para monitoreo y detecciones de anomalías, análisis de clústeres: la mayoría de estos trabajos evalúan continuamente datos históricos a través de métricas, servidores, servicios, clústeres, etc. y aplican varios modelos a su pasado y entonces comportamiento futuro.
De hecho, acabo de escribir un blog sobre los diversos conceptos y cómo se usan en Monitoreo / Alerta, en:
Monitoreo de próxima generación: anomalías, grupos, predictores y más
- He completado la clase Coursera de Andrew Ng sobre aprendizaje automático. ¿Qué debería hacer después? ¿Qué puedo hacer a continuación?
- En Batch Normalization, ¿por qué se deben actualizar moving_mean y moving_variance?
- Un fundador de un fondo de cobertura me dijo que los graduados de doctorado en Big Data / ML están generando un millón de dólares al año como salario en el comercio / fondos de cobertura. ¿Qué tan correcto es esto?
- ¿Qué hace exactamente esta función, tf.nn.embedding_lookup (), en TensorFlow?
- ¿Hay algo que Deep Learning nunca podrá aprender?
Estamos buscando extender esto a algunas de las cosas que usted menciona como parte de nuestro nuevo Centro de Planificación de Capacidad, que está muy enfocado en cómo interactúan las cosas, el historial de tendencias y capacidad y, por supuesto, proyectar hacia adelante lo que se necesita, especialmente cuando se trata de cosas no es fácil de escalar automáticamente.
