<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=410238003108880&amp;ev=PageView&amp;noscript=1">
Kontakt
Menu
Kontakt

Utviklet AI-program for å finne årsaken til nettverksfeil

av BlueTree Team, den 26.09.19 14:41

Trond working with data science at BlueTree

BlueTree jobber ikke kun med nettverk, noe Trond har vært aktivt involvert i å utvikle. BlueTree er et innovativt selskap som i lengre tid har utforsket mulighetene innen AI og maskinlæring, for å forbedre og effektivisere design og drift av nettverk. I den forbindelse kom Trond inn til oss fra Universitetet i Sørøst-Norge, for å skrive sin master-oppgave om hvordan man kan finne rotårsak til nettverksfeil ved hjelp av AI.

Når Trond først kom til BlueTree, var vi i gang med et prosjekt der vi ville se om maskinlæring kunne brukes til å identifisere hva som var årsaken til en nettverksfeil. En feil i et datanettverk kan føre til driftsstans, noe som kan lede til tap av tid og penger for selskapet som bruker det. Prosessen for å identifisere kilden til en feil i et nettverk, også kjent som «Root Cause Analysis» kan være en betydelig utfordring i mange store datanettverk. Dagens løsning for å finne årsaken til feilen krever at en kvalifisert nettverksekspert ser gjennom systemet for å finne feilen. Dette kan være en tidkrevende og kostbar oppgave som også er utsatt for menneskelige feil.

- Det beste med å starte opp i BlueTree var at jeg raskt fikk ansvar. Jeg fikk mulighet til å jobbe med ting jeg virkelig likte, og medarbeiderne mine ga meg tillit til å utforske fra første stund. Det betydde mye for meg.

Det første han gjorde var å utforske laben hvor nettverksdataene lå. I laben fant han ledetråder om hvor feilene kunne ha oppstått. Han innså raskt at det å gjennomgå data manuelt på den måten tok for mye tid. Derfor utviklet Trond et AI-program som identifiserte feilene og ga forslag til mulige løsninger. Under prosjektet hjalp alle til med å lage scenarier av nettverksfeil, slik at Trond kodet inn variasjonene.

Videre ville vi utforske mer hvilke nettverksdata som kunne hentes inn og hva dette kunne brukes til. Dette vil gi en bedre oversikt av nettverket og brukes til andre AI-applikasjoner slik som anomalideteksjon og «Deep Learning». Konklusjonen ble å «Streame» all nettverksdata i sanntid. Samtidig som man gjør aggregering og filtrering, slik at sluttresultatet kan brukes direkte til maskinlæring, eller andre lignende applikasjoner.

Mye av tiden til Trond blir brukt på å forske frem ny teknologi som brukes til å analysere data i nettverkene. I likhet med resten av gjengen på kontoret fordyper han seg i blogger, ulike forum og forhører seg med ressursene «in-house» for å lære nye ting.

-  Vi har et åpent miljø der vi spør hverandre om råd. Teknologi er i kontinuerlig endring. Det finnes ikke bare en løsning, men flere tilnærminger. Under prosjektarbeid stiller jeg meg hele tiden spørsmål som: "Er dette den beste løsningen?" og "Finnes det noe som passer bedre?" 

BlueTree

Alle som følger med på trender i teknologi vet at det er data science som skal føre oss inn i fremtiden. Data trenger å være i bevegelse og ikke bortglemt i isolerte databaser. Når data er i siloer blir det umulig å se det store bildet, trekke ut intelligens fra dataen og bruke den for å automatisere endringer. For å koble sammen ulike datakilder av ulik format og typer, kan vi benytte «Streaming-tilnærmingen» som Trond utvikler.

 

Temaer:KarriereMaskinlæring

Comments