## Memo ## Abstract クラウド障害は、クラウドサービスの信頼性を脅かす大きな脅威となっています。クラウド障害を実際に発生する前に予測し、サービスの信頼性を確保するための事前対策を講じるために、多くの障害予測アプローチが提案されています。産業界では、既存の障害予測アプローチは、障害予測の性能を高めるために最先端の時系列モデルを活用することに主眼を置いていますが、学習戦略は軽視されています。しかし、カリキュラム学習が指摘するように、モデルは簡単なものから難しいものの順でデータを用いて学習させると、より良い性能を発揮する。本論文では、既存のクラウド障害予測モデルの性能を大幅に向上させる、クラウド障害予測のための新しい訓練戦略であるEDITSを提案する。産業用データセットと公共データセットを用いた実験結果から、EDITSがクラウド障害予測モデルの性能を明らかに向上させることができることが示された。さらに、EDITSは他のカリキュラム学習法をも凌駕しています。さらに、私たちが提案したEDITSは、Microsoft 365とAzureオンラインサービスシステムに適用することに成功し、クラウド障害による金銭的損失を明らかに減少させたことが励みになっています。 [[2023__WWW__EDITS - An Easy-to-difficult Training Strategy for Cloud Failure Prediction__translation]]