Uma grande parte dos dados no mundo sāo séries temporais, em formato "streaming". Nestes dados, a detecçāo de anomalias oferece informação importante em situações criticas.
Por exemplo, em finanças, tecnologia da informação, saúde, energía.

Contudo, a detecção de anomalias em tempo real é um problema dificil. 

Neste tutorial, vamos explorar bibliotecas de código aberto em Python para a detecção de anomalias usando dados em tempo real e vamos a comparar as vantagens de cada uma.


O tutorial é dividido em três partes: (i) Tipos de anomalias e algoritmos; (ii) Tipos de dados e criterios para definir uma anomalia; (iii) Alertas e visualizações.

Vamos praticar instalando as librarias usando dados de prova primeiro, e depois vamos usar dados reais do nosso sistema distribuido (somos um startup em San Francisco,
California). 

A duração do tutorial é de 4 horas.