Streszczenie:
Celem pracy było zbudowanie i porównanie modeli do detekcji anomalii oraz przygotowanie
elastycznej architektury do wdrożenia produkcyjnego. Użyte są szeregi
czasowe które przedstawiają zużycie prądu elektrycznego. Pierwszym zbudowanym
modelem jest sieć do predykcji.Wyznaczono okienko o określonej długości i na
podstawie jego prefiksu prognozowano sufiks. Na podstawie rzeczywistej obserwacji
zbudowano przedział i sprawdzono czy sufiks się w nim znajduje - jeśli nie, to
wykryto anomalię. Drugim przetestowanym modelem jest sieć typu autoenkoder.
Sieci zbudowane na tej architekturze uczą się kodować wejście do kodu i kod do
wyjścia, które w tym przypadku jest identyczne jak wejście. Modele te okazały się
znacznie lepsze niż predykcyjne. Kolejna część pracy opisuje architekturę chmury
zbudowanej na platformie AWS. Całość składa się z wielu zarządzanych serwisów
jak na przykład Kinesis który jest centralnym elementem infrastruktury pozwalającym na przetwarzanie danych w czasie rzeczywistym.
