Masterarbeit: Streamable Multivariate Time Series Anomaly Detection (all gender)

Masterarbeit: Streamable Multivariate Time Series Anomaly Detection (all gender)

Zeitpunkt der Veröffentlichung: 26.11.2024

Standort: Edisonstraße 1, 75015 Bretten

Berufsfeld: Produktentwicklung

Berufserfahrung: Bachelorand/Masterand

Unser Purpose beschreibt genau, was wir mit Leidenschaft tun – wir vernetzen die IT-Systeme unserer Kunden, um ihre Abläufe zu digitalisieren, damit die relevanten Daten zur richtigen Zeit und am richtigen Ort verfügbar sind. Ein reibungsloser Datenfluss ist entscheidend, sei es für die Produktion von Autos, pünktliche Zahlungen oder die Auffüllung von Supermarktregalen.

Motivation und Ziele

Die automatische Erkennung von Anomalien ist ein wichtiges Werkzeug zur Überwachung von komplexen Cloudserviceinfrastrukturen für die B2B-Kommunikation. Multivariate Anomalien ergeben sich hierbei gleichzeitig aus einer Vielzahl von Metriken und dem Kontext der einzelnen Services. Ziel der Arbeit ist die Entwicklung eines streamorientierten, multivariaten Anomalieerkenners und einem Alert-Kommunikationssystem, sowie die Evaluierung des Systems am Beispiel einer Cloudserviceinfrastruktur mit den bereitgestellten Daten.

Aufgaben

1. Untersuchung und Bewertung verschiedener Ansätze zur Erkennung von Anomalien mit dem Schwerpunkt auf Deep Neural Networks.
2. Vorverarbeitung, Filterung, Bereinigung, sowie Anreicherung von Monitoring-, Messagetrackingdaten und den Cloudstrukturdaten für den Anomalieerkenner.
3. Entwicklung und Implementierung des KI-Anomalieerkenners sowie eines Frameworks für das regelmäßige Training der ML-Modelle und die streamorientierte Erkennung der Anomalien.
4. Entwicklung und Implementierung eines dynamischen Alertsystems, das für verschiedene Nutzer wie Systemoperatoren oder Kunden geeignet ist.
5. Entwicklung von Kriterien zur Evaluierung des Systems.

Klingt spannend? Werde auch du zum #Businessbeschleuniger!

#J-18808-Ljbffr