Elastic machine learning
Trouvez des réponses qui font la différence avec l'IA et le ML
La plateforme Elasticsearch intègre nativement un Machine Learning et une IA puissants dans les solutions, ce qui vous aide à créer des applications qui plaisent aux utilisateurs et qui accélèrent le travail.
Tout le monde peut trouver des réponses et des informations avec le Machine Learning Elastic
Retirez immédiatement de la valeur du Machine Learning avec des cas d'utilisation spécifiques au domaine, intégrés directement dans Elasticsearch. Grâce aux solutions d'observabilité, de recherche et de sécurité, les ingénieurs DevOps, les SRE et les analystes de sécurité peuvent se lancer immédiatement. Aucune expérience avec le Machine Learning n'est nécessaire.
Les équipes peuvent automatiser la détection des anomalies et l'analyse de la cause première, ce qui réduit le temps moyen de résolution (MTTR). De plus, les fonctionnalités intégrées telles que le traitement du langage naturel (NLP) et la recherche vectorielle aident les équipes à implémenter des expériences de recherches plus simples pour les utilisateurs finaux.
Le Machine Learning Elastic vous permet de :
- identifier les temps de réponse inhabituellement longs directement depuis la carte de service d'APM ;
- découvrir des comportements inhabituels et répondre de façon proactive aux menaces de sécurité ;
- personnaliser la détection des anomalies pour tout type de données avec des workflows simples d'utilisation basés sur des assistants ;
- améliorer les expériences de recherche en enrichissant les données ingérées avec des prédictions ;
Automatiser les alertes et identifier la cause première avec l'observabilité
Accélérez la détection et la résolution des problèmes avec la détection automatique des anomalies, les corrélations et d'autres capacités AIOps intégrées à Elastic Observability. Les équipes DevOps et SRE peuvent identifier les temps de réponse inhabituellement longs directement depuis la carte de service d'APM. Vous pouvez appliquer le Machine Learning sans devoir configurer de modèles.
Le Machine Learning au service de la recherche des menaces
Dans Elastic Security, le Machine Learning est au service de la détection des menaces. Vous pouvez réduire le temps moyen de résolution (MTTR) en identifiant automatiquement les activités inhabituelles dans l'application SIEM. Pour les menaces difficiles à identifier, les modèles supervisés peuvent aider à différencier les activités suspectes des activités sans danger, par exemple pour les attaques de type "living off the land" ou les algorithmes de génération de noms de domaine.
Donnez une nouvelle dimension aux expériences de recherche
Elasticsearch Relevance Engine™ (ESRE) permet d'appliquer immédiatement une recherche sémantique avec un niveau de pertinence supérieur (sans adaptation de domaine), d'effectuer une intégration à des grands modèles de langage (LLM), d'implémenter une recherche hybride et d'utiliser des modèles de transformateur tiers ou les vôtres.
Des informations exploitables en quelques minutes grâce au Machine Learning d'Elasticsearch
Appliquez le Machine Learning Elastic à vos données pour :
- Intégrer nativement le Machine Learning à une plateforme scalable et performante
- Appliquer un apprentissage non supervisé et des modèles préconfigurés qui identifient les problèmes d'observabilité et de sécurité sans devoir vous soucier d'entraîner un modèle d'IA
- Tirer parti d'informations exploitables qui font apparaître de façon proactive les menaces et anomalies, accélèrent la résolution des problèmes, identifient les tendances de comportement des clients et améliorent vos expériences numériques
Pour appliquer le Machine Learning d'Elastic, nul besoin de recourir à une équipe de spécialistes en Data Science ni de concevoir une architecture de système. Nos capacités de Machine Learning vous permettent de démarrer rapidement. Nul besoin de déplacer des données vers un cadre tiers pour l'entraînement du modèle.
Pour les cas d'utilisation qui nécessitent des modèles personnalisés et des performances optimisées, nos outils vous permettent d'ajuster les paramètres et d'importer des modèles optimisés depuis le cadre PyTorch.
Ingérez, comprenez et créez des modèles avec vos données
Les intégrations prêtes à l'emploi d'Elastic facilitent l'ingestion de données et la connexion à d'autres sources de données. Une fois vos données entrées dans Elasticsearch, vous pouvez visualiser et obtenir les premières informations en quelques minutes.
Le modèle de données ouvert d'Elastic ECS (Elastic Common Schema) vous offre la flexibilité nécessaire pour collecter, stocker et visualiser toutes les données quelles qu'elles soient : indicateurs, logs, traces, contenus, ou encore événements de vos applications et infrastructures. Pour commencer, choisissez votre méthode d'ingestion. Vous pouvez opter pour une instance Elastic Agent, un robot d'indexation, des connecteurs de données et des API. De plus, nous possédons des intégrations natives à tous les principaux fournisseurs cloud. Une fois vos données entrées dans Elastic, des outils intégrés comme Data Visualizer vous aident à identifier les champs dans vos données qui se prêtent le mieux au Machine Learning.
Vous n'avez aucune expérience dans l'application du Machine Learning ? Appliquez les modèles préconfigurés pour l'observabilité et la sécurité. S'ils ne fonctionnent pas suffisamment bien avec vos données, des assistants intégrés à l'outil vous guideront dans les quelques étapes nécessaires à la configuration de la détection d'anomalies personnalisées et à l'entraînement de l'apprentissage supervisé.
Détection précise et prête à l'emploi des anomalies et des aberrations
Le Machine Learning non supervisé signé Elastic vous aide à trouver des modèles dans vos données. Utilisez la modélisation de séries temporelles pour détecter des anomalies dans des séries temporelles simples ou multiples, des données de population, et des tendances de prévisions basées sur des données historiques.
Vous pouvez également détecter des anomalies dans des logs en regroupant des messages et découvrir les causes premières en examinant les facteurs d'influence ou les champs d'anomalies corrélés avec les déviations par rapport à des points de comparaison.
Un Machine Learning supervisé simple d’utilisation
Pour catégoriser vos données et faire des prévisions, entraînez des modèles de classification ou de régression à l'aide d'analyses des trames de données dans Elastic. Les modèles supervisés vous rapprochent de la cause profonde des problèmes et peuvent favoriser la prise de décision intelligente dans vos applications.
En partant des transformations continues que subit un index de logs d'application, vous pouvez élaborer une vue des activités centrée sur l'utilisateur et mettre au point un modèle de détection des fraudes à l'aide de la classification. Vous pouvez ensuite appliquer vos modèles à vos données entrantes lors de l'ingestion, tout cela sans jamais quitter Elastic.
Recherche vectorielle et traitement du langage naturel moderne
La recherche vectorielle sémantique permet aux utilisateurs de trouver ce qu'ils ont en tête, plutôt que d'être limités par des mots-clés. Ils peuvent parcourir des données textuelles, des images et d'autres données non structurées.
Elastic Learned Sparse Encoder vous permet d'implémenter une recherche sémantique, pour une pertinence supérieure immédiate dans tous les domaines. Grâce à cela, les expériences numériques sont plus intuitives et les résultats sont plus pertinents. Quelques exemples :
- Recherche de produits d'e-commerce similaires qui affiche des produits alternatifs pertinents
- Recommandations professionnelles et rencontres en ligne : propositions basées sur la compatibilité du profil, avec restrictions par géolocalisation
- Recherche de brevets : récupération de brevets dont les descriptions textuelles sont similaires
Pour commencer, Elastic vous permet d'importer des modèles PyTorch pré-entraînés de type BERT depuis des hubs, comme Huggingface.co, ou le modèle CLIP depuis OpenAI. En savoir plus sur l'implémentation d'une similarité dans les images avec Elastic.
