Actualidad Analítica BI&BA

Detección de anomalías para su negocio impulsado por IA

0 Comment
Deteccion-de-anomalias-para-su-negocio-impulsado-por-IA

La detección de anomalías es un enfoque que puede ser útil en una variedad de industrias y para una variedad de propósitos, incluidos TI y DevOps, manufactura, atención médica, banca y finanzas, y en el sector público.

La detección de anomalías se trata de encontrar patrones de interés (valores atípicos, excepciones, peculiaridades, etc.) que se desvían del comportamiento esperado dentro de los conjuntos de datos. Al igual que con la mayoría de los proyectos de ciencia de datos, el objetivo final o el resultado final de la detección de anomalías no es solo un algoritmo o un modelo de trabajo. En cambio, se trata del valor de la información que proporcionan los valores atípicos. Es decir, para una empresa, dinero ahorrado al prevenir daños en el equipo, dinero perdido en transacciones fraudulentas, etc. En el cuidado de la salud, puede significar una detección más temprana o un tratamiento más fácil.

¿Tienes alguna necesidad en tu organización o iniciativa relacionada con Ciencia de Datos, Machine Learning o Gobierno de Datos? En Solex somos expertos en brindar soluciones confiables e innovadoras enfocados en Business Analytics. Comuníquese con nosotros a través del formulario de contacto o escríbanos al Whatsapp (+57 316 4576123). Más información en: https://prueba.solex.biz/dataiku/

Una mirada no exhaustiva a los casos de uso de los sistemas de detección de anomalías incluye:

  • TI, DevOps: Detección de intrusiones (seguridad del sistema, malware), monitoreo del sistema de producción o monitoreo de subidas y bajadas de tráfico en la red. Los desafíos incluyen la necesidad de una canalización en tiempo real para reaccionar, además de los enormes volúmenes de datos y la falta de disponibilidad de datos etiquetados correspondientes a intrusiones, lo que dificulta la capacitación/prueba. Esta industria generalmente tiene que adoptar un enfoque semisupervisado o no supervisado.
  • Banca y seguros: Detección de fraude (tarjetas de crédito, seguros, etc.), análisis bursátil, detección temprana de uso de información privilegiada. Sin embargo, la detección de anomalías financieras es de alto riesgo, por lo que este caso de uso es un desafío porque debe realizarse en tiempo real para que pueda detenerse tan pronto como suceda. Además, quizás sea más importante que otros casos de uso tener cuidado con los falsos positivos que pueden interrumpir la experiencia del usuario.
  • Manufactura e industria, construcción, agricultura, etc.: Para mantenimiento predictivo o detección de fraude en el servicio. Los desafíos son que los sistemas industriales producen datos de diferentes sensores que varían enormemente: diferentes niveles de ruido, calidad, frecuencia de medición, lo que puede hacer que sea especialmente difícil trabajar con los datos.
  • Cuidado de la salud: Monitoreo de condiciones, incluida la detección de convulsiones o tumores. Los desafíos son que los costos de clasificar erróneamente las anomalías son muy altos; Además, los datos etiquetados con mayor frecuencia pertenecen a pacientes sanos, por lo que generalmente se debe adoptar un enfoque semisupervisado o no supervisado. El valor real en la detección de anomalías no es el acto de identificar una anomalía, sino el valor final que proporciona para el negocio.
  • Sector público: Utilizado para la detección de imágenes inusuales de vigilancia. Los desafíos son que este caso de uso requiere técnicas de aprendizaje profundo, lo que hace que este tipo de detección de anomalías sea más costoso.

Detección de anomalías en Dataiku

  • El paso más laborioso cuando se trata de la detección de anomalías es la ingeniería de características. Continuar con la iteración hasta que se reduzcan los falsos positivos/negativos y que el sistema sea efectivo pero ágil es una parte crítica del proceso que requiere mucho tiempo.Lo que puede ser útil es tener una representación visual de todo el proceso para que la iteración sea cada vez más simple y rápida, incluso una vez que el modelo está en producción; ahí es donde entra Dataiku. Dataiku es una de las plataformas de inteligencia artificial y aprendizaje automático líder en el mundo.Dataiku apoya la agilidad en los esfuerzos de datos de las organizaciones a través de IA colaborativa, flexible y responsable, todo a escala empresarial. Ofreciendo:
    • Funciones robustas de AutoML, que incluyen ingeniería de funciones, ajuste de hiperparámetros, la capacidad de comparar docenas de algoritmos y más.
    • Implementación de modelos con un solo clic en la nube con Kubernetes.
    • Funciones de monitoreo de modelos para evitar la desviación del modelo y monitorear activamente los cambios de datos a lo largo del tiempo.
  • Para este año logre que su área o compañía tome decisiones estratégicas basadas en analítica de negocios (BA), y es por ello que Solex pone a disposición su equipo de especialistas en Dataiku plataforma de machine learning y ciencia de datos para apoyarlo en sus necesidades:

Servicios para DATAIKU

La plataforma más completa de Inteligencia Artificial

  • Analítica con Dataiku (ciclo de vida completo de los datos).

  • Gobierno de Datos.

  • Centro de excelencia de analítica.

En Solex somos expertos en brindar soluciones confiables e innovadoras enfocados en Business Analytics. Comuníquese con nosotros a través del formulario de contacto o escríbanos al Whatsapp (+57 316 4576123). Más información en: https://prueba.solex.biz/dataiku/ Traducción cortesía Solex. Articulo original https://www.dataiku.com/stories/anomaly-detection-for-the-ai-driven-business/

Related Entradas