O Anomaly Detector pode ser usado em diferentes cenários, incluindo monitoramento de métricas de negócios, como visitantes de website e receita, e detectar anomalias em dados de sensores industriais, como temperatura, umidade e vibração. Isso permite que os usuários tomem medidas proativas para prevenir falhas catastróficas ou perdas financeiras.
A detecção de anomalias em dados de séries temporais é um problema complexo, pois os métodos tradicionais de detecção, como o uso de limiares, podem falhar em detectar anomalias ou Gerar falsos positivos. Além disso, mudanças nos negócios, como crescimento ou declínio, também podem afetar a eficácia desses métodos.
Para resolver esse problema, o Anomaly Detector utiliza uma abordagem de machine learning, que combina diferentes algoritmos para detectar padrões em dados. Um dos algoritmos inovadores utilizados é o SRCNN (Spectral Residual and Convolutional Neural Network), desenvolvido pela equipe do Anomaly Detector e aceito pelo KDD 2019.
A serviço do Anomaly Detector simplifica o processo de detecção de anomalias em dados, permitindo que os desenvolvedores integrem facilmente a detecção de anomalias em suas aplicações usando uma API simples com um único parâmetro, “sensibilidade”. Além disso, o serviço fornece recursos para ajudar os usuários a começar, incluindo um tutorial de começar com o Anomaly Detector e uma comunidade da Microsoft Teams para clientes externos e equipes internas da Microsoft.
Em resumo, o Anomaly Detector é uma ferramenta poderosa para detectar anomalias em dados de séries temporais, permitindo que os usuários tomem medidas proativas para prevenir falhas catastróficas ou perdas financeiras.