기능 설명

머신 러닝(Machine Learning)

데이터 분석의 새 시대

머신 러닝(Machine learning)은 데이터 분석의 새 시대를 열고 있으며, 기업에서는 머신 러닝(Machine learning)을 통해 이력 데이터로부터 계속 "학습"하는 예측 분석을 사용할 수 있습니다. 예측 분석을 통해 IT, 보안 및 비즈니스 운영을 최적화하여 사고를 탐지하고, 해결 시간을 단축하고, 바람직하지 않은 결과를 예측 및 방지할 수 있습니다.

Splunk 플랫폼에서 제공되는 여러 풍부한 머신 러닝(machine learning) 명령어와 가이드 방식의 워크벤치로 머신 러닝(machine learning)의 기능을 더 쉽게 활용하여 모든 용도에 필요한 사용자 지정 모델을 만들 수 있습니다.

특정 사용자의 용도에 맞게 제작된 머신 러닝(machine learning)에 관심이 있으십니까? IT 서비스 인텔리전스사용자 행동 분석을 위한 Splunk 프리미엄 솔루션은 IT 서비스 및 보안 관리에만 사용되는 턴키 방식의 즉각적인 분석 기능을 제공합니다.

머신 러닝(Machine Learning) 및 분석 명령어

Splunk 플랫폼은 데이터 탐지, 경고 또는 분석에 직접 적용할 수 있는 20개 이상의 머신 러닝(machine learning) 명령어를 제공합니다. outlier, predict, clustercorrelate 같은 명령어는 정해진 알고리즘을 사용하는 한편, anomalydetection 같은 명령어를 사용하면 여러 알고리즘 중에서 필요에 가장 맞는 알고리즘을 선택할 수 있습니다.

유연성 높은 제품을 원하십니까? Splunk Machine Learning Toolkit을 통해 더 많은 명령어와 오픈 소스 알고리즘을 이용하여 모든 용도에 적합한 사용자 지정 모델을 만들 수 있습니다.

Splunk Machine Learning Toolkit을 이용한 사용자 지정 모델

Splunk Machine Learning Toolkit은 가이드 방식의 워크벤치, 대화형 예제, SPL 확장 기능을 제공하므로, 사용자 지정 머신 러닝(machine learning) 모델을 만들고 운영화하는 데 도움이 됩니다. Splunk Python for Scientific Computing 추가 기능을 통해 제공되는 sci-kit learn, pandas, statsmodel, numpy 및 scipy 라이브러리의 300개가 넘는 오픈 소스 Python 알고리즘을 기반으로 모델을 만들 수 있습니다. Splunkbase에서 다운로드하십시오.

Showcase 예제

일반적인 IT, 보안, IoT 및 비즈니스 분석 이용 사례별로 정리된 대화형 모델 작성 예제를 차례로 살펴보십시오. 예제에는 디스크 장애 예측, 응답 시간 이상값 발견, VPN 사용량 예상 및 인터넷 트래픽 예측 등이 있습니다.

길잡이

길잡이를 통해 알고리즘을 선택할 수 있으며, 그런 다음 값 예측, 숫자 또는 범주 필드 예측과 숫자 또는 범주 이상값 탐지 같은 일반적인 목표를 위해 모델을 제작 및 테스트하고 배포하는 과정이 안내됩니다.

확장 SPL 명령어

fit, applyallow 같은 머신 러닝(machine learning) SPL 명령어를 사용해 Scientific Computing 추가 기능에 대해 Splunk Python에서 오픈 소스 Python 알고리즘을 사용하여 모델을 만들고 테스트하고 운영화할 수 있습니다.

모델 운영화

Splunk에서 머신 러닝(machine learning) 모델 생성을 통해 얻을 수 있는 중요한 가치 중 하나는 소속 조직의 실시간 머신 데이터(machine data)에 모델을 완벽하게 적용할 수 있다는 것입니다. Splunk Machine Learning Toolkit 길잡이를 사용하든 SPL로 직접 작업하는 것을 선호하든, 모델은 표준 SPL 검색으로 변환됩니다. 이를 추가로 사용자 지정하고 실운영에 쉽게 적용하여 실시간 경고 또는 보고서와 대시보드를 생성할 수 있습니다.