{"id":44022,"date":"2024-08-13T09:47:22","date_gmt":"2024-08-13T13:47:22","guid":{"rendered":"https:\/\/www.canarie.ca\/?page_id=44022"},"modified":"2024-10-30T09:44:12","modified_gmt":"2024-10-30T13:44:12","slug":"plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia","status":"publish","type":"page","link":"https:\/\/www.canarie.ca\/fr\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/","title":{"rendered":"Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA"},"content":{"rendered":"\n<section class=\"section section--banner simple-fade light-blue alignfull\">\n  <div class=\"grid-container text-center\">\n  \t\t  \t\t  \t  <div class=\"large\"><p><span class=\"TextRun SCXW20856404 BCX0\" lang=\"EN-CA\" xml:lang=\"EN-CA\" data-contrast=\"none\"><span class=\"NormalTextRun SCXW20856404 BCX0\">Bien que le programme ATIR <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">n\u2019accepte<\/span><span class=\"NormalTextRun SCXW20856404 BCX0\"> plus les <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">demandes<\/span><span class=\"NormalTextRun SCXW20856404 BCX0\"> pour les <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">ressources<\/span> <span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">en<\/span> <span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">nuage<\/span><span class=\"NormalTextRun SCXW20856404 BCX0\">, <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">vous<\/span> <span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">avez<\/span> <span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">toujours<\/span> <span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">acc\u00e8s<\/span><span class=\"NormalTextRun SCXW20856404 BCX0\"> aux <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">Propulseurs<\/span><span class=\"NormalTextRun SCXW20856404 BCX0\"> et \u00e0 <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">leur<\/span><span class=\"NormalTextRun SCXW20856404 BCX0\"> documentation, qui <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">seront<\/span> <span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">pr\u00e9serv\u00e9s<\/span><span class=\"NormalTextRun SCXW20856404 BCX0\"> et <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">b\u00e9n\u00e9ficieront<\/span><span class=\"NormalTextRun SCXW20856404 BCX0\"> d\u2019un <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">soutien<\/span> <span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">jusqu\u2019au<\/span><strong><span class=\"NormalTextRun SCXW20856404 BCX0\"> 17 <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW20856404 BCX0\">janvier<\/span><span class=\"NormalTextRun SCXW20856404 BCX0\"> 2025.<\/span><\/strong><\/span><strong><span class=\"EOP SCXW20856404 BCX0\" data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:0,&quot;335551620&quot;:0,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/strong><\/p>\n<\/div>\n\t  \t  \t\t  <\/div>\n<\/section>\n\n\n\n<section class=\"section section--text-columns no-background\">\n    <div class=\"grid-container\">\n      <div class=\"grid-x grid-padding-x\">\n        <div class=\"cell\">\n                  \t<h3>Apr\u00e8s le 17 janvier 2025:\u00a0<\/h3>\n                    <ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"4\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" aria-setsize=\"-1\" data-aria-posinset=\"1\" data-aria-level=\"1\"><span data-contrast=\"none\">Les saisies d\u2019\u00e9cran devraient rester fid\u00e8les, mais au lieu de vous connecter \u00e0 votre compte ATIR dans AWS quand on vous le demande, vous devrez vous connecter \u00e0 un compte AWS personnel.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:0,&quot;335551620&quot;:0,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"4\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" aria-setsize=\"-1\" data-aria-posinset=\"1\" data-aria-level=\"1\"><span data-contrast=\"none\">Les liens vers les scripts CloudFormation d\u2019AWS permettant le d\u00e9ploiement automatique de l\u2019application type devraient rester les m\u00eames et \u00eatre fonctionnels.<\/span><\/li>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"4\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" aria-setsize=\"-1\" data-aria-posinset=\"1\" data-aria-level=\"1\"><span data-contrast=\"none\">Les liens vers les d\u00e9p\u00f4ts GitHub permettant de t\u00e9l\u00e9charger le code source du Propulseur resteront valables puisque c\u2019est le cr\u00e9ateur du Propulseur (celui qui a \u00e9labor\u00e9 les applications de source ouverte servant d\u2019exemple) qui en est le propri\u00e9taire et en assure le maintien.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:0,&quot;335551620&quot;:0,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n                  <\/div>\n      <\/div>\n    <\/div>\n  <\/section>\n\n\n\n<section class=\"section section--text-with-image  alignfull container squares-right\">\n  <svg version=\"1.1\" class=\"animated-square-graphic\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" xmlns:xlink=\"http:\/\/www.w3.org\/1999\/xlink\" x=\"0px\" y=\"0px\"\n\t viewBox=\"0 0 1084.85 1080\" style=\"enable-background:new 0 0 1084.85 1080;\" xml:space=\"preserve\">\n<style type=\"text\/css\">\n\t.st0{opacity:0.51;fill:#FEFEFE;}\n\t.st1{fill:#F4F4F5;}\n\t.st2{fill:#58C3D2;}\n\t.st3{fill:#E90D0B;}\n\t.st4{fill:#393D3F;}\n<\/style>\n<g>\n\t<path class=\"st0\" d=\"M275.09,0c0,20.92,0.02,41.84-0.04,62.75c-0.01,1.9,0.82,4.06-1.04,5.66c-1.33-1.48-1.49-3.32-1.5-5.17\n\t\tc-0.07-19.54-0.1-39.07,0.02-58.61c0.01-1,0.15-2,0.5-2.95c0.27-0.62,0.62-1.18,1.06-1.68C274.42,0,274.76,0,275.09,0z\"\/>\n\t<path class=\"st0\" d=\"M270.93,134.87c0,0.67,0,1.34,0,2.01c-1.96-0.21-3.39-1.13-2.71-3.24c0.6-1.87,2.15-2.92,4.31-2.71\n\t\tc21.9,2.09,43.85,0.35,65.77,0.92c-0.01,0.67-0.01,1.34-0.02,2.01c-1.73,0.94-3.6,0.46-5.4,0.47c-19.36,0.04-38.73,0.02-58.09,0.04\n\t\tC273.5,134.36,272.11,133.88,270.93,134.87z\"\/>\n\t<path class=\"st0\" d=\"M67.6,132.85c-0.22,2.23,0.79,3.24,3.02,3.02c-0.21,1.56-0.6,3.05-2.65,2.59c-1.53-0.34-2.62-1.44-2.96-2.96\n\t\tC64.55,133.46,66.04,133.06,67.6,132.85z\"\/>\n\t<path class=\"st0\" d=\"M270.93,134.87c0.15-0.9,0.44-1.31,1.6-1.31c21.92,0.15,43.84,0.21,65.76,0.29c-1.46,1.71-3.44,0.97-5.18,0.97\n\t\tC312.38,134.88,291.66,134.87,270.93,134.87z\"\/>\n\t<rect x=\"71.76\" y=\"67.43\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"206.62\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"410.45\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"343.11\" y=\"67.73\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"544.46\" y=\"0.06\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"680.21\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"815.09\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"949.97\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"477.89\" y=\"67.73\" class=\"st3\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"612.77\" y=\"67.73\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"747.65\" y=\"67.73\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"882.53\" y=\"67.83\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.41\" y=\"67.73\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.41\" y=\"203.13\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"275.67\" y=\"135.45\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"208.23\" y=\"202.81\" class=\"st3\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1.8\" y=\"202.81\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"69.24\" y=\"270.83\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"410.55\" y=\"270.57\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"545.43\" y=\"270.57\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"680.44\" y=\"270.57\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"815.3\" y=\"270.57\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"950.11\" y=\"270.57\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.41\" y=\"270.57\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.41\" y=\"338.01\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"882.5\" y=\"338.16\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"747.86\" y=\"338.16\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"612.87\" y=\"338.16\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"271.44\" y=\"338.01\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"136.7\" y=\"405.75\" class=\"st3\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"407.3\" y=\"405.6\" class=\"st3\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"815.06\" y=\"405.6\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"950.11\" y=\"405.6\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.41\" y=\"473.04\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"882.5\" y=\"473.04\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"747.62\" y=\"473.04\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"611.17\" y=\"473.04\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect y=\"475.55\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"410.55\" y=\"135.45\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"680.42\" y=\"135.17\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"815.23\" y=\"135.36\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"950.12\" y=\"135.36\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"343.11\" y=\"202.81\" class=\"st3\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"477.99\" y=\"202.81\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"613\" y=\"202.81\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"747.86\" y=\"202.74\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"882.67\" y=\"202.8\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"950.08\" y=\"540.48\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"815.06\" y=\"540.48\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.41\" y=\"607.92\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"882.44\" y=\"607.92\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"747.62\" y=\"607.92\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"950.06\" y=\"675.36\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"815\" y=\"675.36\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"680.18\" y=\"675.36\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"882.7\" y=\"742.8\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.41\" y=\"742.8\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.41\" y=\"810.24\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"950.06\" y=\"810.24\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"950.06\" y=\"877.68\" class=\"st3\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"882.62\" y=\"877.68\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"747.66\" y=\"877.68\" class=\"st3\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"680.22\" y=\"877.68\" class=\"st1\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"815.06\" y=\"945.12\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"747.66\" y=\"945.12\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.5\" y=\"945.12\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"950.06\" y=\"945.12\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"882.5\" y=\"1012.56\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"1017.5\" y=\"1012.56\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"545.3\" y=\"1012.56\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"407.54\" y=\"1012.56\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"815.06\" y=\"1012.56\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"747.66\" y=\"1012.56\" class=\"st3\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"680.18\" y=\"1012.56\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"747.62\" y=\"742.8\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"612.74\" y=\"742.8\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"545.3\" y=\"877.68\" class=\"st2\" width=\"67.44\" height=\"67.44\"\/>\n\t<rect x=\"612.74\" y=\"945.12\" class=\"st4\" width=\"67.44\" height=\"67.44\"\/>\n<\/g>\n<\/svg>\n  <div class=\"grid-container simple-fade\">\n    <div class=\"grid-x grid-padding-x align-middle\">\n      <div class=\"cell medium-6 \">\n\t\t  \t\t\t  <img decoding=\"async\" src=\"https:\/\/www.canarie.ca\/wp-content\/uploads\/2024\/08\/Chillwall-AI.png\" alt=\"\">\n\t\t        <\/div>\n      <div class=\"cell medium-6  text-left text-cell \">\n  \t\t  \t\t          <h1 class=\"cssanimation leFadeIn\">Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA<\/h1>\n  \t\t  \t\t                                \t        \t          \t    <a class=\"button fade-in-delay\" href=\"https:\/\/www.chillwall.ai\/\" target=\"_blank\">Ce Propulseur a \u00e9t\u00e9 cr\u00e9\u00e9 et la documentation r\u00e9dig\u00e9e par Chillwall AI<\/a>\n        \t          \t              <\/div>\n    <\/div>\n  <\/div>\n<\/section>\n\n\n\n\n\n<section class=\"section section--banner simple-fade light-blue alignfull\">\n  <div class=\"grid-container text-center\">\n  \t\t  \t\t  \t  <div class=\"large\"><p>Les Propulseurs de l\u2019ATIR sont des jeux structur\u00e9s de ressources en nuage, documentation incluse, illustrant une technologie \u00e9mergente. Offerts gratuitement, ils ont \u00e9t\u00e9 con\u00e7us par des entreprises canadiennes d\u2019exp\u00e9rience qui ont \u00e9labor\u00e9 des produits ou des services au moyen de la technologie en question et ont accept\u00e9 de partager leur savoir.<\/p>\n<\/div>\n\t  \t  \t\t  <\/div>\n<\/section>\n\n\n\n\n<section class=\"section section--text-with-image  alignfull container squares-right\">\n    <div class=\"grid-container simple-fade\">\n    <div class=\"grid-x grid-padding-x align-middle\">\n      <div class=\"cell medium-5 \">\n\t\t  \t\t\t  <img decoding=\"async\" src=\"https:\/\/www.canarie.ca\/wp-content\/uploads\/2021\/02\/DAIR_bp_builder.png\" alt=\"\">\n\t\t        <\/div>\n      <div class=\"cell medium-7  text-left text-cell \">\n  \t\t  \t\t          <h1 class=\"cssanimation leFadeIn\">Pr\u00eat \u00e0 d\u00e9coller?<\/h1>\n  \t\t  \t\t                          <div class=\"fade-in-delay text-cell-text\"><p>Voici ce que vous trouverez dans ce Plan de vol.<\/p>\n<ul>\n<li><a href=\"#apercu\">Aper\u00e7u<\/a><\/li>\n<li><a href=\"#pratiquesexamplaires\">Pratiques exemplaires<\/a><\/li>\n<li><a href=\"#trucsethics\">Trucs et hics<\/a><\/li>\n<li><a href=\"#ressources\">Ressources<\/a><\/li>\n<\/ul>\n<\/div>\n                      <\/div>\n    <\/div>\n  <\/div>\n<\/section>\n\n\n\n\n<div id=\"apercu\" class=\"anchor-link\"><\/div>\n<section class=\"section section--text-columns no-background\">\n    <div class=\"grid-container\">\n      <div class=\"grid-x grid-padding-x\">\n        <div class=\"cell\">\n                  \t<h3>Aper\u00e7u<\/h3>\n                    <h4>De quoi s\u2019agit-il?<\/h4>\n<p>Les applications de d\u00e9tection des anomalies sont des logiciels qui identifient les irr\u00e9gularit\u00e9s ou les variations dans les donn\u00e9es. Elles d\u00e9c\u00e8lent automatiquement les pics, les creux et les autres aberrations qui surviennent dans le temps et entra\u00eenent des cons\u00e9quences directes (d\u00e9fectuosit\u00e9s, blessures, vols, pannes, pertes d\u2019argent et le reste). Quand ces anomalies sont d\u00e9tect\u00e9es rapidement, l\u2019organisation peut prendre des mesures pour y rem\u00e9dier avant que leurs effets se r\u00e9percutent sur les mod\u00e8les en aval, sur les fonctionnalit\u00e9s des syst\u00e8mes et sur la production de rapports.<\/p>\n<p>Les syst\u00e8mes de d\u00e9tection des anomalies recourent \u00e0 des algorithmes d\u2019apprentissage automatique \u00e9volu\u00e9s pour surveiller automatiquement la qualit\u00e9 des donn\u00e9es sans se fier sur des r\u00e8gles manuelles. Ils d\u00e9terminent le cheminement normal selon les donn\u00e9es historiques et rep\u00e8rent les anomalies qui pourraient \u00e9chapper \u00e0 la vigilance humaine.<\/p>\n<p>Le Propulseur que voici applique une solution d\u2019apprentissage profond articul\u00e9e sur l\u2019intelligence artificielle (IA) sp\u00e9cifiquement con\u00e7ue pour exploiter les donn\u00e9es chronologiques. Il utilise comme outils Pandas, Numpy, Scikit-Learn et TensorFlow. Cette solution cl\u00e9 en main, optimis\u00e9e, se d\u00e9ploie sur un serveur\u00a0: l\u2019instance EC2 d\u2019AWS.<\/p>\n<h4>Quelle utilit\u00e9 pour mon entreprise?<\/h4>\n<p>Les applications qui d\u00e9tectent les anomalies gr\u00e2ce \u00e0 l\u2019IA permettent d\u2019identifier les aberrations fonctionnelles au niveau le plus bas.<\/p>\n<p>Pareille application permettra \u00e0 l\u2019organisation\u00a0:<\/p>\n<ul>\n<li>d\u2019adopter des mesures proactives;<\/li>\n<li>de peaufiner leurs solutions syst\u00e9miques en fonction des besoins qui lui sont propres;<\/li>\n<li>d\u2019\u00e9conomiser temps et argent en automatisant un syst\u00e8me complexe de surveillance des donn\u00e9es au niveau du code, de l\u2019application ou du syst\u00e8me.<\/li>\n<\/ul>\n<p>En d\u00e9celant les d\u00e9faillances et les menaces et en saisissant la nature des donn\u00e9es qu\u2019engendrent les logiciels canadiens novateurs dans les domaines de la sant\u00e9, des finances, du commerce de d\u00e9tail, de la fabrication, des technologies de l\u2019information et de l\u2019environnement, le d\u00e9veloppeur \u00e9vitera les pannes catastrophiques ou mettra au point d\u2019autres solutions pour les entreprises.<\/p>\n<p>La solution propos\u00e9e ici est une solution\u00a0:<\/p>\n<ul>\n<li><strong>cl\u00e9 en main<\/strong> \u2013 enti\u00e8rement automatis\u00e9e, elle englobe tous les micro-services et les progiciels n\u00e9cessaires \u00e0 son lancement en une seule \u00e9tape;<\/li>\n<li><strong>de source totalement ouverte <\/strong>\u2013aucun frais de licence n\u2019est associ\u00e9 \u00e0 l\u2019usage du Propulseur;<\/li>\n<li><strong>stable<\/strong> \u2013 la solution s\u2019installe sur une instance EC2 d\u2019AWS de la plateforme de l\u2019ATIR;<\/li>\n<li><strong>polyvalente<\/strong> \u2013 elle se pr\u00eate \u00e0 diverses utilisations en entreprise;<\/li>\n<li><strong>rentable<\/strong> \u2013 son usage ne d\u00e9passe pas le budget allou\u00e9 dans le cadre de l\u2019ATIR.<\/li>\n<\/ul>\n<h4>Pourquoi cette solution et pas une autre?<\/h4>\n<p>Il est difficile de b\u00e2tir un logiciel de d\u00e9tection des anomalies sur mesure, car cela exige passablement de savoir-faire. Un tel logiciel co\u00fbt cher et son d\u00e9veloppement est laborieux. Pour d\u00e9celer les anomalies, on devra faire appel \u00e0 des scientifiques des donn\u00e9es, \u00e0 des ing\u00e9nieurs de r\u00e9seaux et \u00e0 des d\u00e9veloppeurs qui passeront six mois, voire davantage, \u00e0 \u00e9laborer une solution. Par ailleurs, les solutions disponibles dans le commerce sont on\u00e9reuses et les flux de t\u00e2ches, comme l\u2019entra\u00eenement des algorithmes de d\u00e9tection au moyen de donn\u00e9es, doivent s\u2019effectuer manuellement, surtout quand les donn\u00e9es ne sont ni balis\u00e9es ni structur\u00e9es.<\/p>\n<p>Ce Propulseur offre de pr\u00e9cieux avantages \u00e0 une PME.<\/p>\n<ul>\n<li>Il autorise le t\u00e9l\u00e9versement de jeux de donn\u00e9es brutes sans supervision.<\/li>\n<li>Un mod\u00e8le IA forme les donn\u00e9es par lui-m\u00eame.<\/li>\n<li>Le logiciel configure une plateforme virtuelle en nuage automatiquement.<\/li>\n<li>Cette solution rapide et peu co\u00fbteuse ne vous fera pas d\u00e9passer le budget allou\u00e9 par l\u2019ATIR.<\/li>\n<\/ul>\n                  <\/div>\n      <\/div>\n    <\/div>\n  <\/section>\n\n<div id=\"pratiquesexamplaires\" class=\"anchor-link\"><\/div>\n<section class=\"section section--text-columns no-background\">\n    <div class=\"grid-container\">\n      <div class=\"grid-x grid-padding-x\">\n        <div class=\"cell\">\n                  \t<h3>Pratiques exemplaires<\/h3>\n                    <h4>Connaissance du domaine<\/h4>\n<p>Avant de plonger dans le monde de l\u2019apprentissage profond au moyen de r\u00e9seaux neuronaux artificiels (autoencodeurs), il convient de bien saisir le domaine qui soul\u00e8ve un probl\u00e8me et les difficult\u00e9s particuli\u00e8res qu\u2019on souhaite surmonter. Songez aux donn\u00e9es sur lesquelles vous travaillerez et \u00e0 la nature des anomalies qu\u2019il faut d\u00e9celer, ainsi qu\u2019aux contraintes ou aux exigences qui leur sont sp\u00e9cifiques.<\/p>\n<p>Lisez <a href=\"https:\/\/blog.ml.cmu.edu\/2020\/08\/31\/1-domain-knowledge\/\" target=\"_blank\" rel=\"noopener\">The Importance of Domain Knowledge<\/a> (importance de bien conna\u00eetre le domaine) dans la partie \u00ab\u00a0Tutoriels\u00a0\u00bb.<\/p>\n<h4>Donn\u00e9es d\u2019entr\u00e9e<\/h4>\n<p>Pour former efficacement un mod\u00e8le d\u2019autoencodage, il est capital d\u2019utiliser des donn\u00e9es de qualit\u00e9. Il vaut donc la peine de consacrer un peu de temps et d\u2019efforts \u00e0 conditionner les donn\u00e9es pour s\u2019assurer qu\u2019elles ne sont pas alt\u00e9r\u00e9es et qu\u2019on peut s\u2019en servir pour b\u00e2tir le mod\u00e8le. Pour conna\u00eetre les exigences relatives au format des donn\u00e9es qui serviront \u00e0 d\u00e9tecter les anomalies et d\u00e9terminer la qualit\u00e9 de ces derni\u00e8res, parcourez la <a href=\"https:\/\/www.canarie.ca\/fr\/nuage\/propulseurs\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/\" target=\"_blank\" rel=\"noopener\">Solution type<\/a> du Propulseur. Pour vous guider, nous utiliserons un <a href=\"https:\/\/github.com\/Chillwall\/anomaly_detection\/tree\/f570109e64737c67638c77298b465f2869f05c84\/data\" target=\"_blank\" rel=\"noopener\">jeu de donn\u00e9es ECG<\/a> comme \u00e9chantillon. Pour en savoir plus sur la s\u00e9curit\u00e9 des donn\u00e9es ou la protection des renseignements personnels, consultez le <a href=\"https:\/\/www.canarie.ca\/cloud\/boosterpacks\/catalogue\/flight-plan-automated-document-classification-and-discovery\/\" target=\"_blank\" rel=\"noopener\">Propulseur de FormKiq<\/a>.<\/p>\n<h4>Performance du mod\u00e8le<\/h4>\n<p>On suivra en permanence la performance de l\u2019autoencodeur durant son entra\u00eenement. V\u00e9rifiez les principales mesures comme les erreurs de reconstruction ou l\u2019exactitude des anomalies d\u00e9cel\u00e9es et corrigez les hyper param\u00e8tres en cons\u00e9quence de mani\u00e8re \u00e0 obtenir un meilleur rendement. Reprenez r\u00e9guli\u00e8rement l\u2019entra\u00eenement ou am\u00e9liorez le mod\u00e8le en lui fournissant de nouvelles donn\u00e9es afin qu\u2019il s\u2019adapte \u00e0 mesure que celles-ci \u00e9voluent et en fonction des anomalies. Lisez <a href=\"https:\/\/www.geeksforgeeks.org\/auto-encoders\/\" target=\"_blank\" rel=\"noopener\">Autoencoders \u2013 Machine Learning<\/a> (autoencodeurs \u2013 apprentissage automatique) et les <a href=\"https:\/\/www.tensorflow.org\/tutorials\" target=\"_blank\" rel=\"noopener\">tutoriels TensorFlow<\/a> \u00e0 la partie \u00ab\u00a0Tutoriels\u00a0\u00bb pour comprendre comment un autoencodeur est structur\u00e9 et comment affiner les hyper param\u00e8tres.<\/p>\n                  <\/div>\n      <\/div>\n    <\/div>\n  <\/section>\n\n<div id=\"trucsethics\" class=\"anchor-link\"><\/div>\n<section class=\"section section--text-columns no-background\">\n    <div class=\"grid-container\">\n      <div class=\"grid-x grid-padding-x\">\n        <div class=\"cell\">\n                  \t<h3>Trucs et hics<\/h3>\n                    <ul>\n<li><strong>Truc.<\/strong> Commencez par bien ma\u00eetriser votre jeu de donn\u00e9es et la fa\u00e7on dont la plateforme fonctionne normalement. Il faut absolument comprendre ses donn\u00e9es pour choisir les bonnes particularit\u00e9s, \u00e9tablir le seuil de d\u00e9tection des anomalies et interpr\u00e9ter correctement les r\u00e9sultats obtenus.<\/li>\n<li><strong>Truc.\u00a0<\/strong>Conditionnez soigneusement les donn\u00e9es au pr\u00e9alable afin de les \u00e9purer, de les uniformiser et de faire en sorte qu\u2019elles conviendront \u00e0 l\u2019entra\u00eenement du mod\u00e8le d\u2019autoencodage. R\u00e9glez de la bonne fa\u00e7on le probl\u00e8me des valeurs manquantes. Des techniques de pr\u00e9traitement comme la normalisation et la mise \u00e0 l\u2019\u00e9chelle accro\u00eetront la convergence et la stabilit\u00e9 du mod\u00e8le. Inspirez-vous du <a href=\"https:\/\/github.com\/Chillwall\/anomaly_detection\/tree\/f570109e64737c67638c77298b465f2869f05c84\/data\">jeu de donn\u00e9es ECG<\/a> employ\u00e9 comme \u00e9chantillon et de la <a href=\"https:\/\/www.canarie.ca\/fr\/nuage\/propulseurs\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/\" target=\"_blank\" rel=\"noopener\">Solution type<\/a> pour d\u00e9terminer les exigences applicables aux donn\u00e9es d\u2019entr\u00e9e.<\/li>\n<li><strong>Truc. <\/strong>Ajustez les hyper-param\u00e8tres pour plus de pr\u00e9cision. Le mod\u00e8le de la Solution type identifie la plupart des anomalies. Cependant, il se peut que certains jeux de donn\u00e9es se comportent diff\u00e9remment ou s\u2019\u00e9cartent de la norme, ce qui vous obligera \u00e0 tester le mod\u00e8le avec diverses fonctions d\u2019hyper param\u00e9trage (fonctions d\u2019activation, taux d\u2019apprentissage, nombre d\u2019\u00e9poques, nombre de n\u0153uds et techniques de r\u00e9gularisation) pour trouver celui qui d\u00e9tectera le mieux les anomalies. Parmi les hyper param\u00e8tres associ\u00e9s \u00e0 l\u2019architecture du mod\u00e8le, on retrouve les suivants.\n<ul>\n<li><strong>Fonctions d\u2019activation<\/strong> \u2013 elles calculent le r\u00e9sultat du n\u0153ud en fonction des entr\u00e9es et des facteurs de pond\u00e9ration. Nous utilisons la tangente hyperbolique (tanh) pour la couche LSTM.<\/li>\n<li><strong>Taux d\u2019apprentissage<\/strong> \u2013 facteur de pond\u00e9ration actualis\u00e9 lors de l\u2019entra\u00eenement; il varie souvent de 0,0 \u00e0 1,0 (du plus petit au plus grand).<\/li>\n<li><strong>Nombre d\u2019\u00e9poques <\/strong>\u2013 \u00e9poques durant sur lesquelles le mod\u00e8le sera form\u00e9; si la performance de ce dernier laisse \u00e0 d\u00e9sirer ou s\u2019il n\u2019y a toujours pas convergence apr\u00e8s la saisie des jeux de donn\u00e9es servant \u00e0 la formation et \u00e0 la validation du mod\u00e8le, il pourrait valoir la peine d\u2019ajouter plus d\u2019\u00e9poques.<\/li>\n<li><strong>Nombre de n\u0153uds <\/strong>\u2013 il indique le nombre de neurones ou d\u2019unit\u00e9s dans la couche du r\u00e9seau neuronal; vous pourriez vouloir l\u2019accro\u00eetre afin de saisir les sch\u00e9mas plus complexes dans le jeu de donn\u00e9es.<\/li>\n<li><strong>Perte d\u2019information<\/strong> \u2013 partie des unit\u00e9s \u00e0 \u00e9carter pour transformer les donn\u00e9es d\u2019entr\u00e9e lin\u00e9airement et \u00e9viter le surapprentissage; on ajoute un coefficient de p\u00e9nalit\u00e9 \u00e0 la fonction de perte pour que la plage de soustraction de l\u2019information se situe entre 0 et 1(du minimum au maximum).<\/li>\n<li><strong>Seuil<\/strong> \u2013 examinez le graphique MAE de la <a href=\"https:\/\/www.canarie.ca\/fr\/nuage\/propulseurs\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/\" target=\"_blank\" rel=\"noopener\">Solution type<\/a> et fixez un seuil qui permettra de distinguer un comportement normal et un comportement anormal; dans la <a href=\"https:\/\/www.canarie.ca\/fr\/nuage\/propulseurs\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/\" target=\"_blank\" rel=\"noopener\">Solution type<\/a>, le seuil par d\u00e9faut \u00e9quivaut \u00e0 0,3.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>Lisez <a href=\"https:\/\/www.geeksforgeeks.org\/auto-encoders\/\" target=\"_blank\" rel=\"noopener\">Autoencoders \u2013 Machine Learning<\/a> et les <a href=\"https:\/\/www.tensorflow.org\/tutorials\" target=\"_blank\" rel=\"noopener\">tutoriels TensorFlow <\/a>\u00e0 la partie \u00ab\u00a0Tutoriels\u00a0\u00bb pour mieux saisir la structure des autoencodeurs et la fa\u00e7on d\u2019affiner les hyper param\u00e8tres.<\/p>\n<ul>\n<li><strong>Prenez garde au surapprentissage<\/strong><\/li>\n<\/ul>\n<p>Ce probl\u00e8me survient quand le mod\u00e8le m\u00e9morise les donn\u00e9es servant \u00e0 sa formation au lieu de discerner les sch\u00e9mas sous-jacents. V\u00e9rifiez la performance du mod\u00e8le avec le jeu de validation et appliquez les techniques de r\u00e9gularisation comme la soustraction d\u2019information ou l\u2019interruption h\u00e2tive pour att\u00e9nuer les risque de surapprentissage. Lisez <a href=\"https:\/\/www.geeksforgeeks.org\/underfitting-and-overfitting-in-machine-learning\/\" target=\"_blank\" rel=\"noopener\">Overfitting &amp; Uniderfitting Dada<\/a> (surapprentissage et sous-apprentissage) \u00e0 la partie \u00ab\u00a0Tutoriels\u00a0\u00bb pour en savoir plus.<\/p>\n<ul>\n<li><strong> Pr\u00e9traitement<\/strong><\/li>\n<\/ul>\n<p>\u00c9vitez les jeux de donn\u00e9es d\u00e9s\u00e9quilibr\u00e9s o\u00f9 les anomalies sont rares comparativement aux instances normales. Les jeux de ce genre fausseront le mod\u00e8le en l\u2019amenant \u00e0 se comporter normalement, ce qui l\u2019emp\u00eachera de d\u00e9tecter les anomalies. Utilisez des techniques comme le sur-\u00e9chantillonnage, le sous-\u00e9chantillonnage ou la synth\u00e8se de donn\u00e9es pour ne pas d\u00e9s\u00e9quilibrer les cat\u00e9gories et pour am\u00e9liorer la robustesse du mod\u00e8le. Lisez <a href=\"https:\/\/developers.google.com\/machine-learning\/data-prep\/construct\/sampling-splitting\/imbalanced-data\" target=\"_blank\" rel=\"noopener\">Imbalanced Data<\/a> (d\u00e9s\u00e9quilibre des donn\u00e9es) \u00e0 la partie \u00ab\u00a0Tutoriels\u00a0\u00bb pour en savoir plus.<\/p>\n<ul>\n<li><strong> It\u00e9ration du processus de d\u00e9tection<\/strong><\/li>\n<\/ul>\n<p>Le processus doit \u00eatre constamment pr\u00e9cis\u00e9 et am\u00e9lior\u00e9. Ne vous attendez pas \u00e0 obtenir des r\u00e9sultats optimaux d\u00e8s le premier essai avec des donn\u00e9es complexes. Reprenez les hyper param\u00e8tres et les strat\u00e9gies de structuration des fonctionnalit\u00e9s d\u2019apr\u00e8s les r\u00e9sultats des r\u00e9troactions et des \u00e9valuations afin d\u2019accro\u00eetre la pr\u00e9cision et l\u2019efficacit\u00e9 de la d\u00e9tection. Examinez le <a href=\"https:\/\/github.com\/Chillwall\/anomaly_detection\/tree\/f570109e64737c67638c77298b465f2869f05c84\/data\" target=\"_blank\" rel=\"noopener\">jeu de donn\u00e9es ECG<\/a> offert comme exemple pour voir comment structurer le jeu de donn\u00e9es normal d\u2019un mod\u00e8le et effectuez des essais pour en apprendre davantage.<\/p>\n                  <\/div>\n      <\/div>\n    <\/div>\n  <\/section>\n\n<div id=\"ressources\" class=\"anchor-link\"><\/div>\n<section class=\"section section--text-columns no-background\">\n    <div class=\"grid-container\">\n      <div class=\"grid-x grid-padding-x\">\n        <div class=\"cell\">\n                  \t<h3>Ressources<\/h3>\n                    <p>La documentation propos\u00e9e ci-dessous vous en apprendra davantage sur l\u2019intelligence artificielle et l\u2019apprentissage automatique.<\/p>\n<p>Le <a href=\"https:\/\/github.com\/Chillwall\/anomaly_detection.git\" target=\"_blank\" rel=\"noopener\">code source de la Solution type<\/a> vous en dira beaucoup. En ce qui concerne l\u2019exemple propos\u00e9 (anomalies des donn\u00e9es ECG), examinez le contenu des fichiers <strong>\/data, \/src, \/reports <\/strong>et<strong> \/models<\/strong>.<\/p>\n<h3>Tutoriels<\/h3>\n<p>Le tableau qui suit vous servira de liste de d\u00e9part. Les liens m\u00e8nent aux tutoriels les plus utiles selon l\u2019auteur.<\/p>\n<table width=\"623\">\n<tbody>\n<tr>\n<td width=\"311\"><strong>Contenu<\/strong><\/td>\n<td width=\"311\"><strong>R\u00e9sum\u00e9<\/strong><\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/www.youtube.com\/watch?v=ad79nYk2keg\" target=\"_blank\" rel=\"noopener\">What is AI in 5 minutes<\/a><\/td>\n<td width=\"311\">Introduction \u00e0 l\u2019intelligence artificielle<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/www.youtube.com\/watch?v=vNc2z2u_nh0\" target=\"_blank\" rel=\"noopener\">AI vs ML vs DL Difference Explained<\/a><\/td>\n<td width=\"311\">Explication des diff\u00e9rences entre l\u2019IA, l\u2019apprentissage machine et l\u2019apprentissage profond<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/www.coursera.org\/specializations\/deep-learning\" target=\"_blank\" rel=\"noopener\">Deep Learning Specialization par Andrew Ng sur Coursera<\/a><\/td>\n<td width=\"311\">Aborde les principes fondamentaux de l\u2019apprentissage profond, notamment les r\u00e9seaux neuronaux, les r\u00e9seaux \u00e0 convolution (RNC), les r\u00e9seaux r\u00e9currents (RNR) et les mod\u00e8les s\u00e9quentiels.<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/www.tensorflow.org\/tutorials\" target=\"_blank\" rel=\"noopener\">Tutoriels TensorFlow<\/a><\/td>\n<td width=\"311\">En anglais. Touche divers sujets comme les r\u00e9seaux neuronaux de base, les RNC, les RNR, l\u2019apprentissage par renforcement et les mod\u00e8les de d\u00e9ploiement. Comprend des illustrations de code et des exercices pratiques (comment modifier les param\u00e8tres).<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/www.coursera.org\/learn\/nlp-sequence-models\" target=\"_blank\" rel=\"noopener\">Cours sur les mod\u00e8les s\u00e9quentiels de Deeplearning.ai<\/a><\/td>\n<td width=\"311\">En anglais. D\u00e9crit les mod\u00e8les s\u00e9quentiels comme les RNR et les mod\u00e8les \u00e0 m\u00e9moire \u00e0 long et court terme (LSTM).<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/www.geeksforgeeks.org\/auto-encoders\/\" target=\"_blank\" rel=\"noopener\">Autoencoders -Machine Learning<\/a><\/td>\n<td width=\"311\">Introduction g\u00e9n\u00e9rale aux autoencodeurs. Couvre la th\u00e9orie des mod\u00e8les d\u2019autoencodage, pr\u00e9sente diff\u00e9rentes architectures et propose des exemples pratiques d\u2019application avec TensorFlow et Keras.<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/blog.ml.cmu.edu\/2020\/08\/31\/1-domain-knowledge\/\" target=\"_blank\" rel=\"noopener\">The Importance of Domain Knowledge<\/a><\/td>\n<td width=\"311\">Explique en quoi consiste la connaissance d\u2019un domaine et son importance en apprentissage automatique<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/developers.google.com\/machine-learning\/data-prep\/construct\/sampling-splitting\/imbalanced-data\" target=\"_blank\" rel=\"noopener\">Imbalanced Data<\/a><\/td>\n<td width=\"311\">Tutoriels qui vous aideront \u00e0 mieux comprendre ce que sont les donn\u00e9es d\u00e9s\u00e9quilibr\u00e9es et comment surmonter les probl\u00e8me<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/www.geeksforgeeks.org\/underfitting-and-overfitting-in-machine-learning\/\" target=\"_blank\" rel=\"noopener\">Overfitting &amp; Underfitting Data<\/a><\/td>\n<td width=\"311\">Tutoriels pour vous aider \u00e0 ma\u00eetriser les jeux de donn\u00e9es<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/angus.readthedocs.io\/en\/2014\/amazon\/transfer-files-between-instance.html\" target=\"_blank\" rel=\"noopener\">Dataset Instance Transfers<\/a><\/td>\n<td width=\"311\">Guide expliquant comment transf\u00e9rer des fichiers de l\u2019ordinateur \u00e0 une instance Amazon, \u00e9tape par \u00e9tape<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/www.geeksforgeeks.org\/ml-label-encoding-of-datasets-in-python\/\" target=\"_blank\" rel=\"noopener\">Label Encoding<\/a><\/td>\n<td width=\"311\">Tutoriels expliquant comment coder l\u2019\u00e9tiquetage des donn\u00e9es avec Python<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/docs.python.org\/3\/library\/threading.html\" target=\"_blank\" rel=\"noopener\">Multi-Threading in Python<\/a><\/td>\n<td width=\"311\">Tutoriels expliquant le parall\u00e9lisme des donn\u00e9es par flux s\u00e9par\u00e9s dans Python<\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/docs.python.org\/3\/library\/multiprocessing.html\" target=\"_blank\" rel=\"noopener\">Multi-Processing in Python<\/a><\/td>\n<td width=\"311\">Tutoriels qui vous aideront \u00e0 mieux comprendre le parall\u00e9lisme des donn\u00e9es par processus dans Python<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n                  <\/div>\n      <\/div>\n    <\/div>\n  <\/section>\n\n\n<section class=\"section section--text-columns no-background\">\n    <div class=\"grid-container\">\n      <div class=\"grid-x grid-padding-x\">\n        <div class=\"cell\">\n                  \t<h3>Documentation<\/h3>\n                    <p>Le tableau ci-dessous propose de la documentation sur le Propulseur \u00ab\u00a0D\u00e9tection d\u2019anomalies dans les donn\u00e9es chronologiques par l\u2019IA\u00a0\u00bb.<\/p>\n<table width=\"623\">\n<tbody>\n<tr>\n<td width=\"311\"><strong>Document<\/strong><\/td>\n<td width=\"311\"><strong>R\u00e9sum\u00e9<\/strong><\/td>\n<\/tr>\n<tr>\n<td width=\"311\"><a href=\"https:\/\/github.com\/Chillwall\/anomaly_detection.git\" target=\"_blank\" rel=\"noopener\">https:\/\/github.com\/Chillwall\/anomaly_detection.git<\/a><\/td>\n<td width=\"311\">D\u00e9p\u00f4t GitHub contenant le code et la documentation<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n                  <\/div>\n      <\/div>\n    <\/div>\n  <\/section>\n\n\n<section class=\"section section--text-columns no-background\">\n    <div class=\"grid-container\">\n      <div class=\"grid-x grid-padding-x\">\n        <div class=\"cell\">\n                  \t<h3>Soutien<\/h3>\n                    <p>En tant que participant de l\u2019ATIR, vous pouvez obtenir de l\u2019aide sur ce Propulseur. Si vous vous posez des questions\u00a0:<\/p>\n<ul>\n<li>affichez-les dans le canal Slack #help de l\u2019ATIR;<\/li>\n<li>envoyez-les par courriel \u00e0 <a href=\"mailto:DAIR.Admin@canarie.ca\">dair.admin@canarie.ca<\/a>;<\/li>\n<li>posez-les dans le d\u00e9p\u00f4t GitHub.<\/li>\n<\/ul>\n                  <\/div>\n      <\/div>\n    <\/div>\n  <\/section>\n\n\n<section class=\"section section--banner simple-fade dark-blue alignfull\">\n  <div class=\"grid-container text-center\">\n  \t\t  \t\t  \t  <div class=\"large\"><p>Compris? Maintenant, voyez comment nous avons d\u00e9ploy\u00e9 la solution dans le Nuage de l\u2019ATIR\u2026<\/p>\n<\/div>\n\t  \t  \t\t  <\/div>\n<\/section>\n\n\n\n<section class=\"section section--text-columns no-background\">\n    <div class=\"grid-container\">\n      <div class=\"grid-x grid-padding-x\">\n        <div class=\"cell\">\n                  \t<h3>D\u00e9tection d\u2019anomalies dans les donn\u00e9es chronologiques par l\u2019IA<\/h3>\n                    <p>La <a href=\"https:\/\/www.canarie.ca\/fr\/nuage\/propulseurs\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/\" target=\"_blank\" rel=\"noopener\">Solution type<\/a> montre comment utiliser le Propulseur D\u00e9tection des anomalies dans les donn\u00e9es chronologiques par l\u2019IA pour &lt;rep\u00e9rer les menaces, les risques et les possibilit\u00e9s dans &lt;de nombreux secteurs (services financiers, sant\u00e9, technologies propres, etc.) o\u00f9 il est capital de d\u00e9celer les fonctionnement anormaux. Contrairement aux solutions complexes sur mesure, la Solution type propose une solution cl\u00e9 en main, fond\u00e9e sur l\u2019intelligence artificielle, qui n\u2019exige qu\u2019une structuration minimale des ressources pour soutenir les principales fonctionnalit\u00e9s op\u00e9rationnelles.<\/p>\n<p>Lisez la page <a href=\"https:\/\/www.canarie.ca\/fr\/nuage\/propulseurs\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/\" target=\"_blank\" rel=\"noopener\">Solution type<\/a> pour en savoir plus sur le fonctionnement de cette derni\u00e8re.<\/p>\n<p>La Solution type utilise les technologies Pandas, Numpy, Scikit-Learn et TensorFlow, d\u00e9crites dans les parties subs\u00e9quentes.<\/p>\n                  <\/div>\n      <\/div>\n    <\/div>\n  <\/section>","protected":false},"excerpt":{"rendered":"","protected":false},"author":19,"featured_media":0,"parent":6557,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"class_list":["post-44022","page","type-page","status-publish","hentry"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.5 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA - CANARIE<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.canarie.ca\/fr\/nuage\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA - CANARIE\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.canarie.ca\/fr\/nuage\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/\" \/>\n<meta property=\"og:site_name\" content=\"CANARIE\" \/>\n<meta property=\"article:modified_time\" content=\"2024-10-30T13:44:12+00:00\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.canarie.ca\\\/fr\\\/nuage\\\/catalogue\\\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\\\/\",\"url\":\"https:\\\/\\\/www.canarie.ca\\\/fr\\\/nuage\\\/catalogue\\\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\\\/\",\"name\":\"Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA - CANARIE\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.canarie.ca\\\/#website\"},\"datePublished\":\"2024-08-13T13:47:22+00:00\",\"dateModified\":\"2024-10-30T13:44:12+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.canarie.ca\\\/fr\\\/nuage\\\/catalogue\\\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\\\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.canarie.ca\\\/fr\\\/nuage\\\/catalogue\\\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\\\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.canarie.ca\\\/fr\\\/nuage\\\/catalogue\\\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/www.canarie.ca\\\/fr\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Le nuage de l&#8217;ATIR\",\"item\":\"https:\\\/\\\/www.canarie.ca\\\/fr\\\/?page_id=44361\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Catalogue des Propulseurs de l\u2019ATIR\",\"item\":\"https:\\\/\\\/www.canarie.ca\\\/fr\\\/?page_id=6557\"},{\"@type\":\"ListItem\",\"position\":4,\"name\":\"Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.canarie.ca\\\/#website\",\"url\":\"https:\\\/\\\/www.canarie.ca\\\/\",\"name\":\"CANARIE\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.canarie.ca\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA - CANARIE","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.canarie.ca\/fr\/nuage\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/","og_locale":"fr_FR","og_type":"article","og_title":"Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA - CANARIE","og_url":"https:\/\/www.canarie.ca\/fr\/nuage\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/","og_site_name":"CANARIE","article_modified_time":"2024-10-30T13:44:12+00:00","twitter_card":"summary_large_image","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.canarie.ca\/fr\/nuage\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/","url":"https:\/\/www.canarie.ca\/fr\/nuage\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/","name":"Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA - CANARIE","isPartOf":{"@id":"https:\/\/www.canarie.ca\/#website"},"datePublished":"2024-08-13T13:47:22+00:00","dateModified":"2024-10-30T13:44:12+00:00","breadcrumb":{"@id":"https:\/\/www.canarie.ca\/fr\/nuage\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.canarie.ca\/fr\/nuage\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.canarie.ca\/fr\/nuage\/catalogue\/plan-de-vol-pour-detection-des-anomalies-dans-les-series-chronologiques-par-lia\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/www.canarie.ca\/fr\/"},{"@type":"ListItem","position":2,"name":"Le nuage de l&#8217;ATIR","item":"https:\/\/www.canarie.ca\/fr\/?page_id=44361"},{"@type":"ListItem","position":3,"name":"Catalogue des Propulseurs de l\u2019ATIR","item":"https:\/\/www.canarie.ca\/fr\/?page_id=6557"},{"@type":"ListItem","position":4,"name":"Plan de vol pour : D\u00e9tection des anomalies dans les s\u00e9ries chronologiques par l\u2019IA"}]},{"@type":"WebSite","@id":"https:\/\/www.canarie.ca\/#website","url":"https:\/\/www.canarie.ca\/","name":"CANARIE","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.canarie.ca\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"}]}},"_links":{"self":[{"href":"https:\/\/www.canarie.ca\/fr\/wp-json\/wp\/v2\/pages\/44022","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.canarie.ca\/fr\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.canarie.ca\/fr\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.canarie.ca\/fr\/wp-json\/wp\/v2\/users\/19"}],"replies":[{"embeddable":true,"href":"https:\/\/www.canarie.ca\/fr\/wp-json\/wp\/v2\/comments?post=44022"}],"version-history":[{"count":9,"href":"https:\/\/www.canarie.ca\/fr\/wp-json\/wp\/v2\/pages\/44022\/revisions"}],"predecessor-version":[{"id":44488,"href":"https:\/\/www.canarie.ca\/fr\/wp-json\/wp\/v2\/pages\/44022\/revisions\/44488"}],"up":[{"embeddable":true,"href":"https:\/\/www.canarie.ca\/fr\/wp-json\/wp\/v2\/pages\/6557"}],"wp:attachment":[{"href":"https:\/\/www.canarie.ca\/fr\/wp-json\/wp\/v2\/media?parent=44022"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}