detect-anomalies-aiops

Apply machine learning to detect anomalies in operational metrics, correlate alerts, and reduce false positives.

Expected: Time series data loaded with regular intervals, missing values handled, features engineered for ML models.

On failure: If Prometheus connection fails, verify URL and network access, if data gaps exist use forward-fill or interpolation, ensure timestamp column is datetime type, check for memory issues with large date ranges (process in chunks).

Implémentez la détection des anomalies basée sur l'IA pour les métriques opérationnelles à l'aide de l'analyse de séries chronologiques (Isolation Forest, Prophet, LSTM), de la corrélation des alertes et de l'analyse des causes profondes. Réduisez la fatigue des alertes en identifiant intelligemment les véritables anomalies dans les métriques, les journaux et les traces du système. À utiliser lorsque les équipes opérationnelles sont submergées par le volume d'alertes, lors de la détection d'anomalies multimétriques complexes au-delà des seuils statiques, lorsque les modèles saisonniers rendent les seuils inefficaces ou lorsqu'il est nécessaire de prédire les problèmes de manière proactive avant qu'ils n'affectent les utilisateurs. Source : pjt222/development-guides.