The Problem
방대한 시계열 데이터 속에서 비정상적인 움직임(Anomaly)을 실시간으로 감지하는 것은 어렵습니다. 단순한 임계값(Threshold) 방식은 수많은 오탐(False Positive)을 발생시켜 알림 피로도를 높입니다.
Our Approach
Outlier Radar는 Z-Score, IQR(Interquartile Range) 방식뿐만 아니라, Isolation Forest와 같은 머신러닝 기반의 이상치 탐지 알고리즘을 적용합니다. 노이즈를 필터링하고 진짜 중요한 신호만을 포착하여 사용자에게 알립니다.
Key Features
- 멀티 알고리즘 탐지: 통계적 방법과 ML 방법의 앙상블
- 실시간 알림 파이프라인: Slack, Telegram 연동
- 대시보드: 탐지된 이상치의 상세 분석 리포트
Tech Stack
- Engine: Python, Scikit-learn
- Data Pipeline: Apache Airflow, Kafka
- Database: PostgreSQL, TimeScaleDB