chaos_genius Télécharger - chaos_genius Téléchargement du code source

chaos_genius

Code Source AI

v0.11.0-alpha

Télécharger

Moteur d'analyse alimenté par ML pour la détection des valeurs aberrantes et l'analyse des causes profondes

Statut du référentiel : Archivé

️ Remarque : Ce référentiel n'est plus activement maintenu ou développé. Il reste disponible à titre de référence historique, mais aucune autre mise à jour ni assistance ne sera fournie. Il est conseillé aux utilisateurs d'envisager des alternatives plus récentes.

Qu’est-ce que Chaos Genius ?

Chaos Genius est un moteur d'analyse open source alimenté par ML pour la détection des valeurs aberrantes et l'analyse des causes profondes. Chaos Genius peut être utilisé pour surveiller et analyser à grande échelle des mesures commerciales, des données et des systèmes de grande dimension.

Grâce à Chaos Genius, les utilisateurs peuvent segmenter de grands ensembles de données en fonction de mesures de performances clés (par exemple, utilisateurs actifs quotidiens, coûts du cloud, taux de défaillance) et de dimensions importantes (par exemple, countryID, DeviceID, ProductID, DayofWeek) sur lesquelles ils souhaitent surveiller et analyser les mesures clés. .

Utilisez Chaos Genius si vous voulez :

Analyses et informations multidimensionnelles
Détection des anomalies
Alerte intelligente
Détection de saisonnalité*
Analyse automatisée des causes profondes*
Prévision*
Analyse de simulation*

* dans Feuille de route à court et moyen terme

Démo

Une petite démo de Chaos Genius

Démarrage rapide

 git clone https://github.com/chaos-genius/chaos_genius

cd chaos_genius

docker-compose up

Visitez http://localhost:8080

Suivez ce guide de démarrage rapide ou lisez notre documentation pour plus de détails.

? Principales fonctionnalités

1. DeepDrills automatisés

Générez des analyses multidimensionnelles pour identifier les principaux facteurs de changement dans les métriques définies (par exemple, ventes) sur un grand nombre de dimensions à cardinalité élevée (par exemple, CountryID, ProductID, BrandID, Device_type).

Techniques : Filtrage statistique, recherche basée sur le chemin de type A* pour gérer l'explosion combinatoire

2. Détection des anomalies

Boîte à outils modulaire de détection d'anomalies pour surveiller des séries temporelles de grande dimension avec la possibilité de sélectionner parmi différents modèles. Gérez les variations causées par la saisonnalité, les tendances et les jours fériés dans les données de séries chronologiques.

Modèles : Prophet, EWMA, EWSTD, Neural Prophet, Greykite

3. Alertes intelligentes

Alertes exploitables avec seuils d’auto-apprentissage. Configurations pour configurer la fréquence des alertes et les rapports afin de lutter contre la fatigue des alertes.

Canaux : E-mail, Slack

Communauté

Pour toute aide, discussion et suggestion, n'hésitez pas à contacter l'équipe Chaos Genius et la communauté ici :

GitHub (signaler les bugs, contribuer, suivre la feuille de route)
Slack (discuter avec la communauté et l'équipe Chaos Genius)
Réserver des heures de bureau (régler du temps avec l'équipe Chaos Genius pour toute question ou aide à la configuration)
Blog (suivez-nous sur les dernières tendances en matière de données, d'apprentissage automatique, d'Open Source et plus encore)

? Feuille de route

Notre objectif est de rendre la production Chaos Genius prête pour toutes les organisations, quels que soient leur infrastructure de données, leurs sources de données et leurs exigences d'échelle. C'est dans cet esprit que nous avons créé une feuille de route pour Chaos Genius. Si vous constatez quelque chose qui manque ou si vous souhaitez faire des suggestions, veuillez nous envoyer un message sur notre Community Slack ou soulever un problème.

? Contribuer

Vous voulez contribuer ? Commencez avec :

Montrez-nous un peu d'amour - Donnez-nous un ?!
Soumettez un problème.
Partagez une partie de la documentation que vous avez du mal à suivre.
Traduisez notre fichier Readme.
Créez une pull request. Voici une liste de problèmes pour commencer. Veuillez consulter nos directives de contribution avant d'ouvrir une pull request. Merci d'avoir contribué !

❤️ Contributeurs

Merci à ces personnes merveilleuses (clé emoji) :

_pshrimal21 ? ? ?	_{Harshit Surana} ? ? ?	_{Manas Solanki} ? ? ?	_{Kartikay Bagla} ? ?	_{Varun P.} ? ?	_{Keshav Pradeep} ?	_{Daj Katal} ?
_{Amatullah Sethjiwala} ? ️	_juzarbhori ?	_{Amogh Dhar Diwan} ? ?	_{Samyak Sarnayak} ? ?	_{Aayush Naik} ? ?	_{Kshitij Agarwal} ? ?	_{Bhargav S. Kumar} ? ?
_{moghankumar06} ?	_{Santhoshkumar1023} ?	_{Mansi-Chauhan27} ?	_{davidhayter-karhoo} ?	_{Marijn van Aerle} ?	_{gxu-kangourou} ?	_{RamneekKaur983}
_arvind-27 ?	_{Josh Taylor} ?	_ChartisteDev ? ? ?	_{Rajdeep Sharma} ?	_{balakumar9493} ?	_{Ikko Ashimine}	_{Rohit Sohlot}
_athul-osmo ?	_{Kumar Shivendu} ? ?	_{Pratham Sharma} ?	_{Churchill1973} ?