Localize anomalias e outliers, faça projeção baseada em tendências e identifique áreas de interesse em seus dados com o Machine Learning da Elastic.
Introdução ao Elasticsearch: armazene, busque e analise com o Elastic Stack gratuito e aberto.
Assista ao vídeo
Introdução ao ELK: comece a trabalhar com logs, métricas, ingestão de dados e visualizações customizadas no Kibana.
Assista ao vídeo
Introdução ao Elastic Cloud: execute a sua primeira implantação.
Saiba mais
A extração de novas informações dos dados do Elasticsearch é tão simples quanto clicar em um botão — o que torna o Machine Learning realmente operacional. É claro que nós adoramos desenvolver um bom algoritmo, mas você não precisa. A estrutura do Machine Learning é criada no Elasticsearch e no Kibana para proporcionar uma experiência que é avançada e funcional.
Se os seus dados estão no Elasticsearch, estão prontos para o machine learning. O Elastic Stack processa dados após a ingestão, garantindo que você tenha os metadados necessários para identificar as principais causas ou adicionar contexto a qualquer evento.
Não tem certeza de quais trabalhos fazem sentido para um novo conjunto de dados? Fizemos o trabalho por você, encontrando os algoritmos que funcionarão em escala. Ferramentas integradas como o Data Visualizer ajudam a encontrar os trabalhos de droids que você está procurando e a identificar campos nos dados que funcionariam bem com machine learning.
O Machine Learning desassistido com a Elastic ajuda a encontrar padrões nos seus dados. Use modelagem de séries de tempo para detectar anomalias nos seus dados atuais e projetar tendências com base nos dados históricos. Quer saber como as metrics formam stack? Use a detecção de outliers para ampliar os pontos de dados que se separam do restante.
Aplique classificação, regressão e detecção de outlier aos seus dados para obter uma experiência de fluxo de trabalho de ponta a ponta em uma ampla variedade de casos de uso. Use transformações de índice contínuas para converter um índice de logs de aplicações em uma visualização de atividades centrada no usuário e crie um modelo de detecção de fraude usando classificação. Em seguida, use o processador de ingestão por inferência para aplicar seus modelos aos dados recebidos no momento da ingestão, sem sair do Elasticsearch.
Independentemente de você ser iniciante em machine learning ou ser um cientista de dados experiente, a criação de um trabalho de machine learning simplesmente faz sentido — como interceptar respostas anormalmente lentas para sua aplicação diretamente na aplicação de APM ou descobrir um comportamento incomum na aplicação de SIEM. Pode não ser tão simples quanto pedir uma pizza online, mas está chegando bem perto disso.
Experimente agora para encontrar o incomum, o atípico e o interessante. Tem alguma dúvida? Acesse a documentação de machine learningn ou junte-se a nós no fórum de machine learning.