AIOps: IA para Operaciones de TI · Lección 11
¿Qué diferencia general hay entre un método de detección de anomalías puramente estadístico (como desviación estándar respecto a la media) y uno basado en machine learning más sofisticado?
Un método estadístico simple asume una distribución de comportamiento relativamente predecible, mientras un modelo de ML puede aprender patrones más complejos y no lineales del comportamiento normal, adaptándose mejor a series de datos con dinámicas más intrincadas
Son exactamente el mismo tipo de técnica con un nombre distinto, sin ninguna diferencia real de capacidad entre ellos
Un método estadístico simple siempre es completamente inútil y nunca detecta ninguna anomalía real bajo ninguna circunstancia
Un modelo de ML para detección de anomalías siempre requiere exactamente la misma cantidad de datos históricos que un método estadístico simple, sin ninguna diferencia real de requisitos
AIOps: IA para Operaciones de TI · Lección 11
Completa el código
Un modelo de ML puede aprender patrones más complejos y no
Revisa: puede aprender patrones más complejos y no lineales del comportamiento normal.
AIOps: IA para Operaciones de TI · Lección 11
¿Por qué un método estadístico simple basado en desviación de la media podría fallar al detectar una anomalía en una métrica cuyo comportamiento normal varía de forma compleja según múltiples factores combinados (hora del día, día de la semana, temporada del año)?
Pista: un método estadístico simple típicamente asume que el comportamiento normal sigue un patrón relativamente estable y predecible; si el comportamiento normal real depende de una combinación compleja de varios factores simultáneos (hora, día, temporada), ese método simple probablemente confundiría esa variación legítima y esperada con una anomalía genuina, mientras un modelo de ML más sofisticado podría aprender a reconocer esa combinación de patrones como parte del comportamiento normal esperado.
✓
¡Lección completada!
Detección de anomalías estadística vs basada en ML
0
XP ganado
3
Vidas restantes