Spüren Sie Anomalien und Ausreißer auf, prognostizieren Sie Entwicklungen anhand von Trends und finden Sie Bereiche in Ihren Daten, die eine nähere Betrachtung lohnen – Elastic-Machine Learning machts möglich.
Erste Schritte mit Elasticsearch: Speichern, Durchsuchen und Analysieren mit dem kostenlosen und offenen Elastic Stack
Video ansehen
Einführung in ELK: Erste Schritte mit Logdaten, Metriken, Dateningestion und benutzerdefinierten Visualisierungen in Kibana
Video ansehen
Erste Schritte mit Elastic Cloud: So starten Sie Ihr erstes Deployment
Mehr erfahren
Machine Learning ist nicht länger theoretische Zukunftsvision, sondern Realität: Ein Tastendruck genügt und schon können Sie neue Erkenntnisse aus Ihren Elasticsearch-Daten ziehen. Wir kümmern uns um die Algorithmusentwicklung (und haben Spaß dabei), damit Sie es nicht tun müssen. Elasticsearch und Kibana sind mit integrierten Machine-Learning-Funktionen ausgestattet und bieten so gleichzeitig Leistungsfähigkeit und Performance.
Sobald sich Ihre Daten in Elasticsearch befinden, sind sie fürs Machine Learning bereit. Der Elastic Stack verarbeitet Daten bereits beim Ingestieren, sodass Sie stets die nötigen Metadaten haben, die Sie zur Identifizierung von Fehlerursachen oder für mehr Ereigniskontext benötigen.
Sie sind sich nicht sicher, welche Jobs für einen neuen Satz von Daten sinnvoll sind? Wir haben Ihnen die Arbeit abgenommen und Algorithmen gefunden, die in allen Fällen funktionieren. Mit integrierten Tools wie Data Visualizer können die Droiden Jobs finden, nach denen Sie suchen, und Felder in Ihren Daten identifizieren, die sich besonders gut für Machine Learning eignen.
Unbeaufsichtigtes Machine Learning mit Elastic hilft, Muster in Daten zu finden. Mit Zeitreihenmodellierung können Sie Anomalien in Ihren aktuellen Daten erkennen und auf der Basis historischer Daten Trends prognostizieren. Möchten Sie wissen, wie sich Ihre Metriken entwickeln? Die Ausreißererkennung ermöglicht das Analysieren von Datenpunkten, die sich außerhalb des normalen Bereichs befinden.
Sorgen Sie durch Anwendung von Klassifizierungs-, Regressions- und Ausreißererkennungsmodellen auf Ihre Daten in einer breiten Palette von Anwendungsfällen für einen allumfassenden Workflow. Verwenden Sie kontinuierliche Indextransformationen, um einen Anwendungslogindex in eine nutzerzentrische Aktivitätsansicht umzuwandeln, und entwickeln Sie mithilfe von Klassifizierung ein Betrugserkennungsmodell. Anschließend kann dann der Ingestions-Prozessor verwendet werden, um die Modelle beim Ingestieren auf die ankommenden Daten anzuwenden, ohne dass Sie dazu Elasticsearch verlassen müssen.
Ganz egal, ob Sie noch nie mit Machine Learning gearbeitet haben oder ein erfahrener Data Scientist sind, Machine-Learning-Jobs sind eine logische Antwort, etwa um ungewöhnlich langsame Reaktionszeiten für Ihre App direkt in der APM-App oder ungewöhnliche Verhaltensweisen in der SIEM-App zu erkennen. Es ist beinahe so einfach wie eine Pizza online zu bestellen.
Finden Sie heraus, was Ihre Daten alles an Unüblichem, Untypischem und Interessantem bereithalten. Haben Sie Fragen? Entdecken Sie die Machine Learning-Dokumentation oder besuchen Sie uns im Machine Learning-Forum.