Содержание книги "Машинное обучение в Elastic Stack
:
получите максимальную отдачу от ваших данных благодаря уникальному сочетанию передовых технологий"
От издательства
Об авторах
О рецензентах
Предисловие
Часть I. ЗНАКОМСТВО С МАШИННЫМ ОБУЧЕНИЕМ И ELASTIC STACK
Глава 1. Машинное обучение в информационных технологиях
Преодоление исторических вызовов в IT
Что нам делать с потоком данных?
Причины появления автоматического обнаружения аномалий
Машинное обучение без учителя и с учителем
Использование машинного обучения без учителя для обнаружения аномалий
Применение машинного обучения с учителем в аналитике фреймов данных
Заключение
Глава 2. Подготовка и использование Elastic ML
Технические требования
Включение функций Elastic ML
Обзор операционализации Elastic ML
Загрузка данных в Elastic ML
Служебные хранилища
Оркестровка обнаружения аномалий
Снимки модели обнаружения аномалий
Заключение
Часть II. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ – ОБНАРУЖЕНИЕ И ПРОГНОЗИРОВАНИЕ АНОМАЛИЙ
Глава 3. Обнаружение аномалий
Технические требования
Типы заданий Elastic ML
Устройство детектора
Обнаружение изменений частотности событий
Обнаружение изменений значений показателей
Обзор расширенных функций детектора
Разделение анализа по категориальным признакам
Обзор временного и популяционного анализов
Категоризация в анализе неструктурированных сообщений
Управление Elastic ML через API
Заключение
Глава 4. Прогнозирование
Технические требования
Ключевое различие между предсказаниями и пророчествами
Для чего применяется прогнозирование?
Как работает прогнозирование?
Прогнозирование одиночного временного ряда
Просмотр результатов прогнозирования
Прогнозирование нескольких временных рядов
Заключение
Глава 5. Интерпретация результатов
Технические требования
Просмотр хранилища результатов Elastic ML
Оценка аномалий
Описание схемы хранилища результатов
Аномалии в нескольких сегментах
Результаты прогноза
API результатов Elastic ML
Пользовательские панели мониторинга и рабочие панели Canvas
Заключение
Глава 6. Создание и использование оповещений
Технические требования
Определение и принцип работы оповещений
Создание оповещений из интерфейса машинного обучения
Создание оповещений с помощью Watcher
Заключение
Глава 7. Выявление истинных причин аномалий
Технические требования
Настоящее значение термина AIOps
Значимость и ограничения KPI
Выходя за рамки KPI
Организация данных для анализа
Использование контекстной информации
Анализ первопричин аномалии
Заключение
Глава 8. Другие приложения Elastic Stack для обнаружения аномалий
Технические требования
Обнаружение аномалий в Elastic APM
Обнаружение аномалий в приложении Logs
Обнаружение аномалий в приложении Uptime
Обнаружение аномалий в приложении Elastic Security
Заключение
Часть III. АНАЛИЗ ФРЕЙМОВ ДАННЫХ
Глава 9. Введение в анализ фреймов данных
Технические требования
Основы преобразования данных
Использование Painless для расширенных конфигураций преобразования
Совместное использование Python и Elasticsearch
Заключение
Дополнительная литература
Глава 10. Обнаружение выбросов
Технические требования
Принцип работы механизма обнаружения выбросов
Применение обнаружения выбросов на практике
Оценка качества обнаружения выбросов с помощью API Evaluate
Настройка гиперпараметров для обнаружения выбросов
Заключение
Глава 11. Классификационный анализ
Технические требования
Классификация: от данных к обученной модели
Простой пример классификации
Деревья решений с градиентным усилением
Гиперпараметры
Интерпретация результатов
Заключение
Дополнительная литература
Глава 12. Регрессия
Технические требования
Использование регрессионного анализа для прогнозирования цен на жилье
Использование деревьев решений в регрессионном анализе
Заключение
Дополнительная литература
Глава 13. Логический вывод моделей
Технические требования
Поиск, импорт и экспорт обученных моделей с помощью API
Обработчики логического вывода и конвейеры данных
Импорт внешних моделей с помощью eland
Заключение
Приложение. Советы по обнаружению аномалий
Технические требования
Роль факторов влияния в разделенных и неразделенных заданиях
Использование односторонних функций
Исключение определенных интервалов времени
Использование настраиваемых правил и фильтров
Соображения относительно пропускной способности заданий
О вреде излишней сложности сценариев
Обнаружение аномалий в вычисляемых полях
Заключение
Предметный указатель
