Plan Szkolenia
Wprowadzenie do AIOps
Pochodzenie i ewolucja AIOps
Znaczenie AIOps we współczesnym IT
AIOps a analityka operacji IT – kluczowe różnice
Podstawowe technologie i koncepcje
Cykl życia systemu AIOps
Powiązane praktyki i metodologie
AIOps w kontekście organizacyjnym
Kluczowe czynniki napędowe i wpływające
Integracja z DevOps
Rola AIOps w inżynierii niezawodności systemów (SRE)
AIOps a kwestie bezpieczeństwa IT
Dane, telemetria i złożoność systemów
Nowy paradygmat rozumienia zdrowia systemu
Podstawowe technologie – Dane
Czym są Big Data?
5 V Big Data
Charakterystyka Big Data w AIOps
Źródła i typy danych w środowiskach AIOps
Różnorodność danych i wyzwania związane z przetwarzaniem
Podstawowe technologie – Uczenie maszynowe (ML)
Sztuczna inteligencja, uczenie maszynowe i ich rola w AIOps
Uczenie nadzorowane a nienadzorowane w AIOps
Uczenie maszynowe a tradycyjna analityka
Modele uczenia maszynowego i ich zastosowanie w AIOps
Przyszłość sztucznej inteligencji w operacjach IT
Porównanie uczenia maszynowego z podejściami do analizy danych
AIOps i metryki operacyjne
Kluczowe metryki operacyjne dla środowisk IT
Ważne wskaźniki w różnych systemach
SLA, SLO i KPI – definicje i zastosowanie
Metryki związane z incydentami: wykrywanie i klasyfikacja
Metryki czasowe: MTTD, MTBF, MTTA, MTTR
Zarządzanie umowami poziomu usług
Przypadki użycia i zmiana myślenia w organizacji
Od działań reaktywnych do proaktywnych
Charakterystyka reaktywnego modelu operacji IT
Przejście od podejść deterministycznych do probabilistycznych
Rzeczywiste przypadki użycia AIOps
Zmiany organizacyjne napędzane przez AIOps
Zrozumienie przeszłości, przewidywanie przyszłości
Pomiar wpływu AIOps
Kluczowe metryki AIOps dla operacji IT
Synergia między AIOps, DevOps i SRE
Poprawa dokładności AI poprzez AIOps
Zwiększenie obserwowalności systemu
Śledzenie wpływu AIOps na operacje
Łączenie metryk AIOps z wskaźnikami DORA
Wdrażanie AIOps w organizacji
Unikanie typowych pułapek
Etyka i uczenie maszynowe w AIOps
Ścieżki i strategie wdrażania
Jakość danych i dostosowanie procesów
Kultura organizacyjna i wspierające praktyki
Przepisy dotyczące danych i zgodność
Radzenie sobie z błędami modeli uczenia maszynowego
Prywatność i ochrona danych użytkowników
Wymagania
Podstawowa znajomość terminologii IT oraz doświadczenie w pracy z technologiami informacyjnymi.
Opinie uczestników (1)
przykłady z życia codziennego
Maria - Fundacja PTA
Szkolenie - Mastering Make: Advanced Workflow Automation and Optimization
Przetłumaczone przez sztuczną inteligencję