Plan Szkolenia
Wprowadzenie do AIOps
Pochodzenie i ewolucja AIOps
Znaczenie AIOps we współczesnym IT
AIOps a analityka operacji IT – kluczowe różnice
Podstawowe technologie i pojęcia
Cykl życia systemu AIOps
Powiązane praktyki i metodologie
AIOps w kontekście organizacyjnym
Kluczowe czynniki napędowe i wpływające
Integracja z DevOps
Rola AIOps w Site Reliability Engineering (SRE)
AIOps a kwestie bezpieczeństwa IT
Dane, telemetria i złożoność systemów
Nowy paradygmat rozumienia kondycji systemów
Podstawowe technologie – dane
Czym jest Big Data?
5 cech Big Data
Charakterystyka Big Data w AIOps
Źródła i typy danych w środowiskach AIOps
Różnorodność danych i wyzwania związane z ich przetwarzaniem
Podstawowe technologie – uczenie maszynowe (ML)
AI, ML i ich rola w AIOps
Uczenie nadzorowane a nienadzorowane w AIOps
Uczenie maszynowe a tradycyjna analityka
Modele ML i ich zastosowanie w AIOps
Przyszłość AI w operacjach IT
Porównanie ML z podejściami analityki danych
AIOps a 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 o gwarantowanym poziomie usług
Przypadki użycia i zmiana nastawienia organizacyjnego
Od operacji reaktywnych do proaktywnych
Charakterystyka reaktywnego modelu operacji IT
Przejście od podejść deterministycznych do probabilistycznych
Rzeczywiste przypadki użycia AIOps
Zmiana organizacyjna napędzana przez AIOps
Rozumienie przeszłości, przewidywanie przyszłości
Pomiar wpływu AIOps
Kluczowe metryki AIOps dla operacji IT
Synergia między AIOps, DevOps i SRE
Poprawa dokładności AI dzięki AIOps
Zwiększanie obserwowalności systemów
Śledzenie wpływu AIOps na operacje
Łączenie metryk AIOps ze wskaźnikami DORA
Wdrażanie AIOps w organizacji
Unikanie typowych pułapek
Etyka i uczenie maszynowe w AIOps
Ścieżki i strategie wdrożenia
Jakość danych i dopasowanie procesów
Kultura organizacyjna i praktyki wspierające
Regulacje dotyczące danych i zgodność z przepisami
Obsługa błędów modeli ML
Prywatność i ochrona danych użytkowników
Wymagania
Podstawowa znajomość terminologii IT oraz doświadczenie w pracy z technologiami informacyjnymi.
Opinie uczestników (2)
Craig był bardzo zaangażowany w szkolenie, zawsze zapewniał, że jesteśmy skupieni, dostosowywał przykłady do naszej codziennej pracy i zawsze udzielał odpowiedzi na zadane pytania, nawet jeśli informacja nie była zawarta w prezentacji.
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
Szkolenie - DevOps Foundation®
Przetłumaczone przez sztuczną inteligencję
Wysoki poziom zaangażowania i wiedzy trenera
Jacek - Softsystem
Szkolenie - DevOps Engineering Foundation (DOEF)®
Przetłumaczone przez sztuczną inteligencję