Elastic machine learning
利用 AI 和 ML 找到重要答案
Elasticsearch Platform 将强大的 Machine Learning 和 AI 集成到了各个解决方案中,可助力您构建用户亟需的应用程序并更快地完成工作。
每个人都可以利用 Elastic Machine Learning 找到答案和获得见解
通过 Elasticsearch 中内置的特定域的用例,从 Machine Learning 中获得即时价值。借助可观测性、搜索和安全这三大解决方案,DevOps 工程师、SRE 和安全分析师可以立即开始工作。没有 Machine Learning 方面的经验也无妨。
团队可以将异常检测和根本原因分析进行自动化,从而缩短平均修复时间 (MTTR)。此外,自然语言处理 (NLP) 和矢量搜索等内置功能可帮助团队为最终用户实现更轻松的搜索体验。
使用 Elastic Machine Learning 可以:
- 直接从 APM 服务地图识别异常缓慢的响应时间
- 发现异常行为并主动设法解决安全威胁
- 借助易于使用的向导式工作流针对任何类型的数据定制异常检测
- 通过利用预测来丰富采集的数据,增强搜索体验
在可观测性中自动发出告警并识别根本原因
通过 Elastic 可观测性中内置的自动异常检测、相关性和其他 AIOps 功能,加快检测和解决问题的速度。DevOps 团队和 SRE 团队可以直接从 APM 服务地图中识别异常缓慢的响应时间。您无需配置模型便可应用 Machine Learning。
基于 Machine Learning 猎捕威胁
Machine Learning 可为 Elastic 安全中的威胁检测助一臂之力。您可以通过在 SIEM 应用中自动识别异常活动来缩短平均解决时间 (MTTR)。对于难以识别的威胁,监督型的模型可以有效从良性活动中排查出可疑活动,例如离地攻击或域生成的算法。
将搜索体验提升到全新水平
借助 Elasticsearch Relevance Engine™ (ESRE),您可以应用具有卓越相关性的开箱即用型语义搜索(无需域适应),与外部大型语言模型 (LLM) 集成,实现混合搜索,并使用第三方或您自己的转换器模型。
使用 Elasticsearch Machine Learning 在几分钟内获得行之有效的见解
将 Elastic Machine Learning 应用于您的数据,以便能够:
- 在可扩展的高性能平台上原生集成 Machine Learning
- 应用非监督型 Machine Learning 和预配置的模型,识别可观测性和安全性问题,而不必担心如何训练 AI 模型
- 利用行之有效的分析,主动发现威胁和异常,加快问题解决速度,识别客户行为趋势,并改善您的数字体验
要应用 Elastic Machine Learning,您不必拥有数据科学团队,也无需设计系统架构。我们的 Machine Learning 功能可让您快速上手!而且,也不需要将数据移动到第三方框架中进行模型训练。
对于那些需要定制模型和优化性能的用例,您可以使用我们的工具来调整参数并从 PyTorch 框架导入经优化的模型。
采集、理解并使用数据构建模型
借助 Elastic 开箱即用型的集成,可轻松进行数据采集并关联到其他数据源。一旦您的数据采集到 Elasticsearch 中,便可在几分钟内实现可视化并获得初步见解。
Elastic Common Schema 是 Elastic 开发的开放式通用数据模型,可让您灵活地收集、存储和可视化任何数据。这些数据可包括来自您的应用和基础架构的指标、日志、痕迹、内容和事件。要开始使用,需要先选择您的采集方法。这些选项包括 Elastic Agent、网络爬虫、数据连接器和 API;而且,我们还与所有主要云服务提供商进行了原生集成。一旦您的数据采集到 Elastic 中,像“数据可视化”这样的内置工具便会帮助您识别数据中哪些字段可很好地应用 Machine Learning。
没有应用 Machine Learning 的经验?您可以应用预配置的模型来实现可观测性和安全性。如果这些预配置模型不能很好地处理您的数据,也可使用工具内的向导,按照其中指导的几个所需步骤,轻松配置定制的异常检测和训练监督型 Machine Learning。
准确的异常检测和离群值检测,开箱即用
Elastic 的非监督型 Machine Learning 功能可帮您发现数据中的规律。使用时序数据建模来检测单个或多个时序数据、人口数据中的异常,并基于历史数据预测未来趋势。
此外,您还可以通过对消息进行分组来检测日志中的异常,并通过查看与偏离基线相关的异常影响因素或字段来揭示根本原因。
矢量搜索和现代自然语言处理
通过矢量语义搜索,用户可以按照自己的意图找到所需内容,而非局限于关键字本身。他们可以搜索文本数据、图像和其他非结构化数据。
借助 Elastic Learned Sparse Encoder,您可以实施语义搜索,并在各域实现开箱即用的卓越相关性。这可让您提供更加直观的数字体验,以及相关性更高的结果。示例包括:
- 可显示相关替代产品的电子商务产品相似性搜索
- 工作推荐和在线约会 — 根据个人资料的兼容度进行匹配,同时按地理位置限制搜索范围
- 专利搜索 — 检索文本描述相似的专利
要开始体验,可借助 Elastic 从 Huggingface.co 等模型中心导入预先训练好的 BERT 类 PyTorch 模型,或者从 OpenAI 导入 CLIP 模型。了解有关使用 Elastic 实现图像相似性的更多信息。