Incontra PyRCA una libreria Python open-source progettata per l’analisi delle cause radici (RCA) in AIOps.

Meet PyRCA, an open-source Python library designed for Root Cause Analysis (RCA) in AIOps.

I campi dell’Intelligenza Artificiale e dell’Apprendimento Automatico stanno avanzando rapidamente, grazie alle loro incredibili capacità e casi d’uso in quasi tutti i settori. Con la crescente popolarità e integrazione dell’AI in diversi campi, ci sono anche problemi e limitazioni ad essa associate. L’analisi delle cause radici (RCA) è un metodo per scoprire le cause radici dei problemi al fine di trovare le migliori soluzioni per essi. Aiuta a identificare le ragioni sottostanti degli incidenti o dei fallimenti in un modello. In domini che includono le operazioni IT, le telecomunicazioni e specificamente nel campo dell’AI, l’aumento della complessità del modello spesso comporta eventi che riducono l’affidabilità e l’efficacia dei sistemi di produzione. Con l’aiuto di RCA, il metodo cerca diversi fattori e stabilisce i loro legami causali nello sforzo di offrire spiegazioni per questi casi.

Recentemente, un team di ricercatori di Salesforce AI ha introdotto PyRCA, una libreria open source di Machine Learning in Python progettata per l’Analisi delle Cause Radici (RCA) nel campo dell’Intelligenza Artificiale per le Operazioni IT (AIOps). PyRCA fornisce un framework completo che consente agli utenti di trovare in modo indipendente relazioni causali complesse tra le metriche e le radici degli incidenti. La libreria offre sia la costruzione del grafo che le operazioni di valutazione con un’interfaccia unificata che supporta una varietà di modelli RCA ampiamente utilizzati, insieme a fornire un metodo snello per la creazione rapida, il testing e il deployment del modello.

Questa libreria Python olistica per l’analisi delle cause radici fornisce un framework end-to-end che comprende il caricamento dei dati, la scoperta del grafo causale, la localizzazione della causa radice e la visualizzazione dei risultati RCA. Supporta più modelli per la creazione di grafici e la valutazione delle cause radice e aiuta gli utenti a caricare rapidamente i dati pertinenti e a identificare le connessioni causali tra vari componenti del sistema. PyRCA è dotato di una dashboard GUI che rende l’RCA interattiva più facile, offrendo così un’esperienza utente più snella e una migliore aderenza alle condizioni del mondo reale. L’interfaccia point-and-click della GUI è stata resa intuitiva per natura e la dashboard permette agli utenti di interagire con la libreria e di inserire la loro competenza esperta nel processo RCA.

• Ludwig – Un framework di deep learning più amichevole
• PaLM Addestramento efficiente di modelli di linguaggio massivi
• Il curriculum del Giorno dell’Intelligenza Artificiale incontra il momento

Con PyRCA, gli ingegneri e i ricercatori possono ora analizzare facilmente i risultati, visualizzare i collegamenti causali e muoversi attraverso il processo RCA con l’aiuto della dashboard GUI. Alcune delle caratteristiche chiave di PyRCA condivise dal team sono le seguenti:

1. PyRCA è stato sviluppato per offrire un framework standardizzato e altamente adattabile per il caricamento dei dati di metrica con il formato pandas.DataFrame popolare e il benchmarking di un insieme diversificato di modelli RCA.

1. Attraverso un’interfaccia singola, PyRCA fornisce l’accesso a una varietà di modelli sia per scoprire reti causali che per individuare le cause sottostanti. Gli utenti hanno anche la possibilità di personalizzare completamente ciascun modello per soddisfare le loro esigenze uniche con modelli che includono GES, PC, random walk e ipotesi di prova.

1. Incorporando la conoscenza di dominio fornita dall’utente, i modelli RCA offerti dalla libreria possono essere rafforzati, rendendoli più resistenti quando si tratta di dati di metrica rumorosi.

1. Implementando una singola classe che eredita dalla classe base RCA, gli sviluppatori possono rapidamente aggiungere nuovi modelli RCA a PyRCA.

1. Il pacchetto PyRCA fornisce uno strumento di visualizzazione che consente agli utenti di confrontare più modelli, rivedere i risultati RCA e includere rapidamente la conoscenza del dominio senza la necessità di alcun codice.

Il team ha spiegato l’architettura e le principali funzionalità di PyRCA nel rapporto tecnico in dettaglio. Fornisce una panoramica della progettazione della libreria e delle sue capacità principali.