腾讯Metis智能运维实战:基于机器学习的海量时间序列异常检测

案例来源:腾讯
会议地点:上海
分享时间: 2019-05-19 14:30-15:30

张戎  |

腾讯 云服务平台部 机器学习研究员

2009年毕业于南京大学数学系,获本科学位。2015年毕业于新加坡国立大学数学专业,获博士学位,后加入腾讯从事机器学习相关工作。 目前主要工作方向是:研究人工智能在推荐系统,业务安全系统,智能运维系统上的使用。调研量子计算的前沿理论

课程概要

背景介绍:
本次分享将会结合腾讯云和社交网络的运维场景,介绍在日常的运维方面,如何使用机器学习的算法来实现智能运维。包括如何使用机器学习算法来实现时间序列的异常检测和故障的根因分析。

解决思路/成功要点:
引入了无监督算法和有监督算法有机结合的时间序列异常检测方案,并且在故障定位上用机器学习算法来达成智能而高效地发现故障的效果。

成果:
实现了基于机器学习的海量时间序列异常检测模型,已经在 GitHub 上开源,并且实现了基于机器学习的故障定位算法。

听众收益

1. 了解机器学习在时间序列领域的应用;
2. 了解海量时间序列异常检测的方法论;
3. 了解智能运维中的故障定位方法论。

张戎  |

腾讯 云服务平台部 机器学习研究员

2009年毕业于南京大学数学系,获本科学位。2015年毕业于新加坡国立大学数学专业,获博士学位,后加入腾讯从事机器学习相关工作。 目前主要工作方向是:研究人工智能在推荐系统,业务安全系统,智能运维系统上的使用。调研量子计算的前沿理论

课程概要

背景介绍:
本次分享将会结合腾讯云和社交网络的运维场景,介绍在日常的运维方面,如何使用机器学习的算法来实现智能运维。包括如何使用机器学习算法来实现时间序列的异常检测和故障的根因分析。

解决思路/成功要点:
引入了无监督算法和有监督算法有机结合的时间序列异常检测方案,并且在故障定位上用机器学习算法来达成智能而高效地发现故障的效果。

成果:
实现了基于机器学习的海量时间序列异常检测模型,已经在 GitHub 上开源,并且实现了基于机器学习的故障定位算法。

听众收益

1. 了解机器学习在时间序列领域的应用;
2. 了解海量时间序列异常检测的方法论;
3. 了解智能运维中的故障定位方法论。

详情咨询:赵丹丹
邮箱:dandan.zhao@msup.com.cn
联系电话:158-0221-7295
赞助合作:sissi
联系电话:130-4321-8801
邮箱:market@msup.com.cn
CopyRight © 2008-2019 Msup