Машинное обучение — это наука о том, как заставить компьютеры действовать без явного программирования. Он использует различные алгоритмы, которые изучают данные и находят скрытые идеи. Его можно использовать для упреждающего обнаружения аномалий, выявления конкретных проблем с производительностью ИТ, отслеживания подозрительного поведения в корпоративной сети; и многое другое. Машинное обучение обладает огромным потенциалом для трансформации компаний и предприятий.
ИТ-безопасность
Машинное обучение может быстрее выявлять нарушения безопасности за счет обнаружения аномалий. Необычное поведение, такое как вход из разных мест с разными IP-адресами и несколько неудачных входов в систему, может предсказать взлом, и дополнительная безопасность может быть добавлена на лету.
Машинное обучение может анализировать всю глубину исторических данных о безопасности и быстрее прогнозировать точки недели, чтобы можно было быстрее устранять эти будущие угрозы.
Не требуя вмешательства человека, особенно в случае неконтролируемого машинного обучения, он может обнаруживать любые изменения в схеме сетевого трафика для любой потенциальной киберугрозы.
Машинное обучение использует повторяющийся автоматизированный подход, оно может повторно обрабатывать данные до тех пор, пока не будет обнаружен оптимизированный пригодный для использования шаблон, позволяющий выйти за рамки поиска «известных» или «общих» шаблонов; таким образом
Его можно использовать для обнаружения/предотвращения подобных угроз в будущем.
Если вы знаете, как создать инструмент безопасности на основе машинного обучения, я бы сказал, что вы только что спасли свою карьеру.
Центры обработки данных
Я уверен, что вы знаете CPU, GPU, FPGA. Как насчет ТПУ? Tensor Processing Unit (TPU) от Google.
Чипы ASIC (специализированные интегральные схемы) вернулись. Такой специализированный чип обеспечивает более оптимизированную производительность на ватт. Лаборатория искусственного интеллекта Facebook также использует настраиваемый графический процессор для повышения производительности.
Чтобы справиться с такими рабочими нагрузками, компании-производители чипов начали включать FPGA в свою дорожную карту, чтобы обеспечить максимальную эффективность.
При таких огромных рабочих нагрузках, требующих гипермасштабирования, машинное обучение необходимо для визуализации данных, чтобы можно было позаботиться о соответствующей динамике охлаждения, воздушного потока и электроэнергии в центре обработки данных.
Принесет ли все это какие-то изменения в будущее дата-центров? Ответ: да.
Машинному обучению DeepMind удалось уменьшить количество энергии до 40 процентов в центрах обработки данных Google
В чрезвычайно крупных центрах обработки данных можно сэкономить огромные средства, используя методы машинного обучения, которые могут учиться на предыдущих и текущих данных и перекодировать (разрабатывать статистическую модель) то, что подходит для дальнейшей обработки.
Понимая взаимосвязь между данными различных датчиков, рабочими параметрами и энергоэффективностью, можно запускать различные симуляции с целью определения наиболее оптимальной конфигурации центра обработки данных.
Служба поддержки / Служба поддержки клиентов
Forrester Research утверждает, что о 74% проблем сообщается в конце … не обнаруживается инфраструктурой. Давайте признаем, что машины будут расти больше, данные будут расти в геометрической прогрессии и все то, что не может быть замечено и подтверждено человеком.
Существуют сотни метрик с множеством наложений и зависимостей. Как кто-нибудь может вручную выбирать точечные аномалии?
Garner предлагает инвестировать в машинное обучение, большие данные и другие технологии умных машин, чтобы сделать текущие и будущие операции ИТ-службы поддержки активными
Пример 1) Инструменты Service Desk, такие как Zendesk, Desk.com, используют машинное обучение и семантический анализ для автоматической маркировки входящих заявок, чтобы вы могли работать с похожими заявками в значках.
Пример 2)Atlassian внедрила интеллектуальный граф в свою JIRA Service Desk — гибридный алгоритм, сочетающий поиск по ключевым словам и машинное обучение для обеспечения лучших результатов поиска.
Умный график избавляет от игры в угадайку. Благодаря оптимизации реальных взаимодействий и машинного обучения для перевода между ИТ-формами и общеупотребительным жаргоном ваши клиенты довольны кемпером
Управление оповещениями
Захват предупреждений в режиме реального времени очень важен. Прежде чем ваш внутренний или внешний клиент пожалуется, вы должны знать, что не так? Инструменты на основе машинного обучения могут сопоставлять несколько событий и предоставлять контекст для группы ИТ-операций, что приводит к повышению производительности и удовлетворенности клиентов.
В огромном объеме данных ИТ-операций скрыто множество моделей поведения и других идей, которые никогда не использовались. Инструменты машинного обучения могут анализировать эти данные и отображать взаимосвязи, чтобы мы могли использовать новые идеи для наших будущих методов. ИТ-команды могут четко соотносить причины проблем с конкретными ошибками, что сокращает среднее время решения
Управление происшествиями
Методы машинного обучения могут использоваться для прогнозирования будущих инцидентов на основе прошлого поведения и моделей, при этом информационная вероятность и влияние будущих инцидентов могут быть измерены заранее, и мы можем предупредить соответствующие группы.
ITSM (управление ИТ-услугами)
Машинное обучение используется для анализа данных об инцидентах и заявках, а затем использует распознавание образов для создания алгоритма, помогающего приоритизировать, сортировать и разрешать инциденты.
Инструменты машинного обучения и социального сотрудничества могут работать вместе, так что по мере того, как инциденты начинают разворачиваться, алгоритмы могут взять на себя управление, не теряя времени на фильтрацию шума и, таким образом, сохраняя под CMDB наиболее точное значение. Такой подход к ITSM значительно расширяет возможности и эффективность человеческого персонала.
Анализ причин
Машинное обучение позволяет проводить автоматический анализ первопричин в реальном времени, значительно сокращать количество сигналов тревоги и получать полезную информацию.
Пример:-
Perspica объявила о функции анализа первопричин одним щелчком мыши, чтобы значительно сократить среднее время восстановления (MTTR) и увеличить время безотказной работы приложения.
Машинное обучение усиливает операционный интеллект. Perspica, основанная на искусственном интеллекте и машинном обучении, опережает разрозненные инструменты мониторинга, анализируя и сопоставляя данные по всему стеку. Такие инструменты обеспечивают 360-градусный обзор ситуации, а также высокоточные первопричины сбоев в обслуживании.
Таким образом, машинное обучение фактически заново изобретает анализ первопричин ИТ ›
Мониторинг производительности
Различные принципы машинного обучения можно использовать для прогнозирования производительности и использования емкости и их корреляции с текущей и будущей рабочей нагрузкой, а также для предоставления пошаговых инструкций по устранению проблемы.
SIOS Technology Corp., поставщик программных продуктов для оптимизации и защиты сред критически важных для бизнеса приложений, выпускает новую версию SIOS iQ, своего программного обеспечения для анализа машинного обучения для сред виртуальных машин.
Пример:
Облачный сервис Logentries собирает и предварительно обрабатывает события журнала в режиме реального времени для анализа по запросу, оповещения и визуализации. С помощью настраиваемых тегов и фильтров пользователи могут сопоставлять проблемы безопасности и производительности с более широкой активностью инфраструктуры, включая использование приложений, показатели сервера и поведение пользователей.
Вывод
Машинное обучение автоматизирует обучение и предоставляет ценные сведения и контексты в отношении требующих принятия мер частей текущих и прогнозируемых проблем. В то время как машинное обучение и искусственный интеллект вместе с автоматизацией представляют собой большие угрозы для нынешних ИТ-персонала; но хорошая сторона заключается в том, что все компании рано или поздно будут адаптировать машинное обучение. Итак, если вы хотите получить максимальную отдачу от данных вашей организации, что это такое и что вы можете сделать с этими данными; вы должны начать использовать его, чтобы создать некоторую дифференциацию, и поэтому каждый должен изучать машинное обучение.
Машинное обучение призвано изменить все: от корпораций до экономики и человечества; По тем же причинам Я начал изучать машинное обучение и вам следует, даже если вы не технический человек, потому что вскоре машинное обучение узнает ваши привычки и превратится в полноценную личную помощь.
Я считаю, что машинное обучение будет чрезвычайно полезным для человечества, если мы будем действовать осторожно.
Другие похожие статьи:
- Почему я изучаю машинное обучение?
- Как машинное обучение может преобразовать ИТ-услуги?
- Как изучать такие предметы, как машинное обучение?
- Автоматизация: угроза модели ИТ-услуг в Индии
- Проблема не в роботах, проблема в вас