Anomali tespiti
Belirlenmiş bir referansa veya öğrenilmiş örüntüye göre olağandışı gözlemleri işaretleyen yöntemler.
Bir gözlem ne zaman olağandışıdır?
Anomali tespiti, belirlenmiş bir referanstan veya öğrenilmiş örüntüden alışılmadık biçimde ayrılan gözlemleri işaretler. Neyin normal sayılacağı seçilen verilere, özelliklere ve yönteme bağlıdır. Bazı yaklaşımlar mevcut veride aykırı değerleri arar; bazıları yeni gözlemleri normal kabul edilen bir veri kümesiyle karşılaştırır. İşaretleme, inceleme için bir neden sunar. Sapmanın nedenini açıklamaz ve tek başına hata veya dolandırıcılık kanıtı değildir.
Kurgusal bir servis işletmesinde sistemin, kayda geçen talep sayısındaki olağandışı artışa dikkat çekmesi istenir. Ekip, gerçekten ek müşteri talepleri gelen durumlarla eski kayıtların topluca içe aktarıldığı durumları denemeyi planlar. Hafta günleri arasındaki olağan farklar da dikkate alınacaktır. Sorumlu kişi, iş yükünün mü arttığını yoksa kayıt yönteminin mi sayıyı değiştirdiğini inceler. Buna göre kapasite planlaması veya değerlendirmenin düzeltilmesi gibi farklı adımlar gerekir. Denemede yanlış uyarılar ve gözden kaçan olağandışı durumlar kaydedilir; yüksek bir sayı, hangi adımın atılacağını tek başına belirlemez.
Kaynaklar
İlgili terimler
- Makine öğrenmesiModellerin veriden örüntü öğrenip yeni girdilerde kullanması.
- YZ çıkarımıSonuç almak için önceden eğitilmiş modeli girdilere uygulamak.
- LLM değerlendirmesiLLM değerlendirmesi, model sonuçlarını tanımlı görev ve ölçütlerle sınar. Başarılı tek örnek, genel kaliteyi kanıtlamaz.
- Tahmin modeliMevcut bilgilerden yararlanarak belirli bir gelecek dönem için bir büyüklüğü tahmin eden model.
- Gözetimsiz öğrenmeİlgili eğitim görevi için önceden verilmiş hedef yanıtlar olmadan veride örüntü arayan öğrenme yöntemi.
- Model kartıModel kartı; bir yapay zekâ modelinin amacını, dayanaklarını, değerlendirme koşullarını ve bilinen sınırlarını belirli sürüm için belgeler.
Bu konudaki yazılar
ASES ile Yapay zekâ ve otomasyon
Yapay zekâ asistanları ve otomatik iş akışları