Detekce anomálií v množství generovaných záznamů o incidentech

Táto bakalárska práca sa zaoberá problematikou detekcie anomálií v časových radoch. Predstavuje metódy STL decomposition, ARIMA, Exponential Smoothing a LSTM Networks. Cieľom je pomocou týchto metód vytvoriť algoritmus, ktorý dokáže analyzovať trend v množstve generovaných záznamov o incidentoch a detekovať anomálie z trendu. Riešenie bolo vytvorené na základe dátovej sady poskytnutej firmou AT&T Global Network Services Czech Republic s.r.o. a implementované v programovacom jazyku Python.

Grantor dc:publisher

Vysoké učení technické v Brně. Fakulta informačních technologií

Author dc:creator

• Šurina, Timotej

Advisor dc:contributor.advisor

• Trchalík, Roman

• Anomália
• detekcia anomálií
• časové rady
• strojové učenie
• štatistické metódy
• STL decomposition
• ARIMA
• Exponential Smoothing
• LSTM Networks
• tiket
• Anomaly
• anomaly detection
• time series
• machine learning
• statistical methods
• ticket

Statement dc:rights

• Standardní licenční smlouva - přístup k plnému textu bez omezení

Language dc:language.iso

en

Dc Identifier Other

121890

OAI identifier oai:identifier

oai:dspace.vut.cz:11012/180581