ИИ-поиск аномалий в данных
Система мониторинга бизнес-метрик и операционных данных: выявление выбросов, дрейфа распределений и подозрительных паттернов. Классические ML-модели и нейросетевые детекторы, алерты и дашборд.
Задача
Операционные и финансовые метрики росли в объёме — отклонения замечали поздно, когда уже были потери.
Подход
Собрали пайплайн мониторинга: классические модели на CatBoost и нейросетевые детекторы на PyTorch, алерты и дашборд в Grafana.
Результат
Аномалии и дрейф распределений видны до эскалации в инцидент. Команда реагирует на сигнал, а не на последствия.
Результат
Раннее обнаружение отклонений до того, как они стали убытком