Glosario IA
El diccionario completo de la Inteligencia Artificial
Density-Based Spatial Clustering (DBSCAN) en Flujo
Aplicación del algoritmo DBSCAN en ventanas temporales de un flujo para identificar los clústeres y los puntos aislados considerados como anomalías.
Autoencoder Temporal
Red neuronal de autoencoder diseñada para datos secuenciales, aprendiendo a reconstruir los patrones normales de un flujo y señalando los errores de reconstrucción elevados como anomalías.
Perfil de Datos (Data Sketching)
Técnica de resumen de datos que comprime un flujo continuo en una estructura de datos compacta para un análisis rápido y una detección de anomalías aproximada.
Detección por Umbral Dinámico
Método donde el umbral de detección de anomalías se ajusta automáticamente en función de las estadísticas recientes del flujo, adaptándose a las variaciones de lo normal.
Flujo de Datos (Data Stream)
Secuencia ordenada y potencialmente infinita de eventos de datos que llegan de manera continua, la cual debe ser procesada con recursos de memoria y tiempo limitados.
Algoritmo de Holt-Winters
Método de suavizamiento exponencial triple utilizado para modelar y predecir series temporales con tendencia y estacionalidad, donde las desviaciones importantes con respecto a las predicciones señalan anomalías.
Detección de Anomalías por Aprendizaje en Línea (Online Learning)
Paradigma donde el modelo de detección se actualiza secuencialmente después de cada nueva observación del flujo, permitiendo una adaptación continua a las nuevas normas.
Ventana de Tumbling (Tumbling Window)
Ventana temporal disjunta que captura segmentos de datos fijos y no superpuestos de un flujo, a menudo utilizada para análisis por lotes en tiempo real.
Detección basada en Grafos de Flujos
Enfoque que modela las entidades y sus interacciones en un flujo en forma de grafo dinámico, donde las anomalías son nodos o aristas con comportamientos inusuales.
Detección de Anomalía Contextual en Flujos
Identificación de anomalías cuyo carácter anormal depende del contexto (ej: hora del día), requiriendo una modelización de las normas condicionales en tiempo real.
Algoritmo STORM (STreaming OutlieR deTection)
Algoritmo específicamente diseñado para la detección de outliers en flujos de datos de alta velocidad, utilizando estructuras de datos eficientes para un procesamiento en memoria limitada.
Detección por Agregación de Flujos (Stream Aggregation)
Método que agrega los datos del flujo sobre períodos o claves antes de detectar las anomalías sobre los resultados agregados, reduciendo la complejidad y el ruido.