Pipeline d’évaluation des modèles de détection d’anomalies

Pipeline d’évaluation des modèles de détection d’anomalies

by Emilien Marchet Posted in Data Science

Dans l’article précédent, nous parlions de lancer le développement d’une pipeline d’évaluation, visant à automatiser la génération d’un grand nombre de modèles de détection d’anomalies. Ci-dessous un aperçu de notre approche. Du partitionnement à l’évaluation L’étape initiale consiste à récupérer la donnée depuis notre base de données. Dans notre cas, nous récupérons l’historique des variables

Continued ⟶

Comment détecter des anomalies automatiquement

by Emilien Marchet Posted in Data Science

Détecter automatiquement des anomalies qui apparaissent dans des séries de données temporelles n’est pas une mince affaire. Plusieurs obstacles se sont dressés devant nous. Cet article retrace les étapes par lesquelles nous sommes passées pour répondre à cette problématique. Définir « anomalie » Chercher à définir ce qu’est une anomalie revient un peu à se demander ce

Continued ⟶

Un exemple de partitionnement des données

by Emilien Marchet Posted in Data Science

Nous avons vu dans cet article pourquoi partitionner un jeu de données temporelles. Ici nous allons voir un exemple d’implémentation de partitionnement, tel que nous l’avons mis en place sur nos données lors de tests. Partitionnement par k-moyennes Le partitionnement par k-moyennes, ou k-means clustering en anglais, est un algorithme de partitionnement assez répandu. Il

Continued ⟶

Partitionner des données temporelles

by Emilien Marchet Posted in Data Science

Afin de mieux exploiter un jeu de données, un traitement particulier lui est souvent appliqué: le partitionnement, ou clustering. Dans notre cas, il s’agit de partitionner des données temporelles. Mais en quoi est-ce que cela consiste ? Notre besoin Notre objectif est de pouvoir détecter des anomalies (ie. les valeurs qui sortent de la normale)

Continued ⟶

Vers une nouvelles manière de détecter les anomalies ?

by Emilien Marchet Posted in Data Science

Dans le but d’améliorer continuellement son service, Catchr est parti à la recherche d’une nouvelle manière de détecter les anomalies dans les campagnes marketing. Genèse du projet Offre actuelle Catchr propose à ses clients un service d’alertes qui les prévient lors d’un souci quelconque sur une de leurs campagnes marketing. Ce service se base sur

Continued ⟶