Schnellere Wertschöpfung
Verkürzen Sie die Time to Value mit Data-Science- und ML-Funktionen, die speziell auf IT, Sicherheit und Observability zugeschnitten sind.
Mit vertrauten Oberflächen Modelle erstellen und ausbauen
Erstellen Sie neue Modelle oder wenden Sie bestehende ML-Pipelines an, um Ihre Untersuchungsabläufe zu optimieren.
ERFOLGSGESCHICHTE
Intel hebt sein Sicherheitsniveau mit innovativer Data Intelligence
Indem wir die Daten an der richtigen Stelle platzieren und unsere Mitarbeiter neu schulen, haben wir einen Kraftmultiplikator geschaffen. Wir nutzen maschinelles Lernen, um die Tiefe und Geschwindigkeit unserer Cyber Intelligence deutlich zu erhöhen.
60–80%
der Sicherheitsbedrohungen in sechs Monaten blockiert
2 Wochen
bis zur Implementierung auf Unternehmensniveau
Machine Learning Toolkit (MLTK)
Unterstützen Sie Citizen Data Scientists mit benutzerfreundlichen, smarten Assistenten, die Prognosen, Ausreißererkennung, Event-Clustering und Predictive Analytics ermöglichen.
Streaming Machine Learning
Nutzen Sie pragmatisch die Schnelligkeit von Online-Algorithmen, die eigens für die gängigsten Splunk Use Cases entwickelt wurden.
SMLE Labs
Eine eigenständige, Cloud-native Beta-Umgebung zum Ausprobieren neuer ML-gestützter Lösungen und zukünftiger Plattformfunktionen.
Splunk-Administrator
Dank smarter Assistenten und geführter Workflows wird der Einsatz von ML zum Kinderspiel.
IT-/Datenanalyst
Spezifische Referenz-Notebooks und intelligente Assistenten vereinfachen die Trenderkennung bei gängigen betrieblichen Use Cases.
Entwickler
Benutzerdefinierte Analysen entwerfen und entwickeln Sie in einer vertrauten Jupyter-Notebook-Umgebung mit offenen Schnittstellen und Out-of-the-Box-Support für die gängigsten Frameworks.
NOC-/SOC-Administrator
Referenz-Notebooks, smarte Assistenten und neue Algorithmen zur Erkennung von Ausreißern und zur Prognose von Ausfällen.
Data Scientists
Sie arbeiten gemeinsam Innerhalb einer benutzerfreundlichen, nahtlosen Lösung und experimentieren mit Daten, Algorithmen und Modellen.
Experimentieren
Kombinieren Sie SPL mit Code in R, Python, Scala und Drittanbieter-Laufzeiten, sodass Sie komplexe Analysen dort stattfinden lassen, wo sich die Daten befinden.
Kollaborieren
Arbeiten Sie mit einer innovativen Lösung für SPL-Entwickler und Data Scientists, die mit einer einfachen und benutzerfreundlichen Oberfläche zur Zusammenarbeit überzeugt.
Offene Schnittstellen
Bleiben Sie auf dem Laufenden über die neuesten Innovationen in der Data Science-Community – Frameworks, Bibliotheken, Laufzeiten und mehr.
Eigens konzipierte Bibliotheken
Frameworks wie Streaming ML wurden speziell entwickelt, um den Ansprüchen an Skalierbarkeit und Geschwindigkeit für gängige Splunk Use Cases zu erfüllen.
Operationalisieren
Modelle lassen sich direkt in der Produktionsumgebung, also dort wo die Daten sind, verwalten, überwachen und bereitstellen.
Programmieraufwand von null bis heftig
Dank vereinfachter, gängiger Workflows und Use Cases können ganz unterschiedliche Benutzer ML erfolgreich anwenden, darunter Data Scientists, Datenanalysten, Splunk-Administratoren und App-User.
Machine Learning-Toolkit
Aktuelles zu Machine Learning mit Splunk
Der Leitfaden zu ML im Datenstrom
Daten-Streaming
Mehr erfahren
Skalierbarer Index
Mehr erfahren
Föderierte Suche und Analysen
Mehr erfahren
