false

Machine Learning-Toolkit

Nutzen Sie belastbare Erkenntnisse mit künstlicher Intelligenz gestützt auf Machine Learning

machine-learning-toolkit

Wenden Sie Machine Learning auf Ihre Daten an, um zuverlässige Erkenntnisse zu erhalten, die schnellere und bessere Entscheidungen ermöglichen

Clustering Clustering

Clustering

Erstellen Sie logische Gruppierungen, um irrelevante Events herauszufiltern und die Event-Priorisierung zu verbessern

Erkennung von Anomalien Erkennung von Anomalien

Erkennung von Anomalien

Setzen Sie Machine Learning ein, um Ausreißer zu erkennen, die menschliche Analysen sonst nur schwer entdecken

Dashboard "Predictive Analytics" Dashboard "Predictive Analytics"

Dashboard "Predictive Analytics"

Prognostizieren Sie den künftigen Zustand Ihrer kritischen Systeme, um Ausfälle zu reduzieren oder ganz zu verhindern sowie Trends und Verhalten vorherzusagen

Sehen Sie sich die Möglichkeiten an, die das MLTK bietet

Integration von SPL und Open-Source-Bibliotheken

Nutzen Sie SPL-Befehle (Search Processing Language) für maschinelles Lernen , um überwachte und unüberwachte Modelle direkt zu erstellen, zu testen und zu operationalisieren. Greifen Sie auf die TensorFlow™-Bibliothek über den Splunk MLTK Container for TensorFlow™ zu, der über zertifizierte Splunk Professional Services verfügbar ist. Verwenden Sie einen der vorgefertigten Python-Algorithmen oder importieren Sie einen der über 300 Open-Source-Algorithmen.

Schnellere Performance

Genießen Sie eine einfachere Skalierung, höhere Elastizität und schnellere Berechnungen für bestimmte Algorithmen, indem Sie Apache Spark™ nutzen, um ML-Modelle intuitiv und einfach auf große Datensätze anzupassen. Erhalten Sie Zugriff auf die TensorFlow™-Bibliothek über den Splunk MLTK Container für TensorFlow™.

Ausreißer-Erkennung

Entdecken Sie Werte, die sich deutlich von früheren unterscheiden und finden Sie Events, die ungewöhnliche Wertekombinationen enthalten.

Zeitreihenprognosen

Erstellen Sie Modelle, die sich an historische Daten anpassen und zukünftige numerische Werte vorhersagen, um Ihre Planung mit genauen Prognosen zu verbessern. Legen Sie z. B. genau fest, wie viel Sie für Hardware-Upgrades ausgeben müssen, um die Nachfrage zu decken, wie viel Bandbreite für Mobilfunkmasten geöffnet werden muss, um dem lokalen Bevölkerungswachstum gerecht zu werden usw.

Clustern von numerischen Events

Unterteilen Sie Ihre Daten mit Clustering-Algorithmen, um herauszufinden, welche Hosts sich ähnlich verhalten, oder um verborgene Muster zu erkennen, z. B. unentdeckte Trends bei Online-Käufen, Anomalien in Sicherheitsumgebungen und Spitzen bei der Ressourcennutzung.

Prognose numerischer und kategorischer Felder

Erstellen Sie prädiktive Modelle für numerische oder kategorische Ereignisse, die für Ihr Unternehmen entscheidend sind. Verwenden Sie diese Prognosemodelle für die Planung oder zur Aufdeckung von Anomalien in Bezug auf Erträge, Kosten, Nachfrage, Nutzung, Kapazität usw.
Hyatt Hyatt

KUNDENBERICHTE

HYATT senkt die MTTR und gibt Entwicklern mehr Zeit für innovative Lösungen

Hyatt nutzt Machine Learning in Splunk Enterprise, um vorherzusagen, wann und wo wir schnell handeln oder umplanen sollten, um unsere Gäste optimal zu versorgen... Wir nutzen künstliche Intelligenz durch Splunk, um unsere Gäste auf diese Weise jeden Tag proaktiv bedienen zu können.

Cesar Mendoza, Application Development Manager, Strategic Systems and Innovation, Hyatt
FEATURES UNSERER PRODUKTE
Nutzen Sie Machine Learning für Ihre Daten und treffen Sie schnellere, .fundiertere Entscheidungen
Geführte Assistenten und Modellbeispiele

Anleitungen für Modellerstellung, -testing und -verteilung für gängige Objekte sowie interaktive Beispiele für typische Anwendungsfälle beschleunigen Einarbeitung und Mehrwert.

guided-assistants
spl-integration

Integration der Suchsprache SPL

Verwenden Sie Machine Learning SPL-Befehle wie fit und apply, um Modelle direkt zu erstellen, zu testen und zu operationalisieren. Verwenden Sie vordefinierte Python-Algorithmen oder importieren Sie die gewünschten Algorithmen aus den über 300 Open Source-Python-Algorithmen aus dem Splunk Python for Scientific Computing Add-on.

Verlässliche Informationen

Implementieren Sie die im MLTK beschriebenen bewährten Verfahren, um den Machine Learning-Prozess aus Erfassen und Analysieren von Daten, Trainieren von Datenmodellen und kontinuierlichem Monitoring zu operationalisieren.

actionable-itteligence