Analisador de Sentimento de Manchetes de Notícias sobre COVID-19 ajuda empresas a analisar manchetes relacionadas à pandemia. Ele ajuda os usuários a identificar sentimentos relacionados à COVID-19 com base na análise de manchetes de notícias e classificá-los como positivos, negativos, neutros e mistos. Determina o sentimento das manchetes de notícias mantendo o aspecto e a polaridade associados à COVID-19. Esta análise pode ser usada em vários cenários, como previsões de movimentação de ações, análise econométrica, eficácia de políticas e análise de risco.
A previsão de custos de computação em nuvem ajuda as empresas a avaliarem o custo incorrido de seus recursos de computação em nuvem com base em dados históricos. Isso ajudará as empresas a entenderem o custo potencial para suas instâncias de VM, clusters, snapshots, etc., para ajudá-las a planejar melhor seus recursos de computação. Ele utiliza algoritmos de ML em conjunto com algoritmos de seleção automática de modelos. Esta solução realiza a seleção automática de modelos para aplicar o modelo certo com base nos dados de entrada.
A Previsão de Consumo de Energia gera uma previsão de 30 meses à frente do consumo usando dados históricos. Ela utiliza algoritmos de ML em conjunto com algoritmos de seleção automática de modelos. Esta solução fornece resultados consistentes e melhores devido à sua abordagem de aprendizado em conjunto. Esta solução realiza a seleção automática de modelos para aplicar o modelo certo com base nos dados de entrada.
Uma alta frequência de problemas pode gerar um número esmagador de tickets de help desk e uma delegação incorreta para as equipes lidarem com eles. Isso leva a um aumento no MTTR (tempo médio para resolver) e uma queda no FCR (Resolução na Primeira Chamada). A solução mitiga esses problemas treinando um modelo de ML multifatorial que considera fatores como impacto do ticket, urgência, prioridade, descrição do problema e outras características para prever o grupo mais relevante para resolver um ticket. Um conjunto de modelos é executado através dos dados para selecionar o modelo mais generalizável para a tarefa de classificação de tickets.
A previsão de tráfego na web permite que as empresas otimizem a alocação de servidores web, escalando para instâncias, paralelizem o tráfego de carga de trabalho e a utilização ao gerar uma previsão de 30 dias de dados de tráfego na web. Isso ajuda as empresas a planejar sua estratégia de infraestrutura de TI em cenários na nuvem e no local. Facilita uma experiência de usuário final perfeita e clientes satisfeitos. Utiliza algoritmos de ML em conjunto com seleção automática de modelos. Esta solução realiza a seleção automática de modelos para aplicar o modelo certo com base nos dados de entrada, proporcionando assim resultados consistentes e melhores.
Esta solução identifica e anonimiza Informações Pessoais Identificáveis, como Nome, SSN, Email, Números de Telefone de dados tabulares. A solução é projetada para funcionar em fonte de dados estruturada.