AIOps w działaniu: przewidywanie incydentów i automatyzacja analizy przyczyn źródłowych - Plan Szkolenia

Wprowadzenie do predykcyjnego AIOps

• Przegląd analityki predykcyjnej w operacjach IT
• Źródła danych do przewidywania (logi, metryki, zdarzenia)
• Kluczowe pojęcia prognozowania szeregów czasowych i wzorców anomalii

Projektowanie modeli przewidywania incydentów

• Etykietowanie historycznych incydentów i zachowań systemu
• Wybór i trenowanie modeli (np. LSTM, Random Forest, AutoML)
• Ocena wydajności modeli i obsługa fałszywych alarmów

Zbieranie danych i inżynieria cech

• Pobieranie i dopasowywanie danych logów i metryk na potrzeby modeli
• Ekstrakcja cech z danych ustrukturyzowanych i nieustrukturyzowanych
• Radzenie sobie z szumem i brakami danych w potokach operacyjnych

Automatyzacja analizy przyczyn źródłowych (RCA)

• Korelacja usług i infrastruktury oparta na grafach
• Wykorzystanie ML do wnioskowania o prawdopodobnych przyczynach źródłowych na podstawie łańcuchów zdarzeń
• Wizualizacja RCA za pomocą pulpitów świadomych topologii

Automatyzacja napraw i przepływów pracy

• Integracja z platformami automatyzacji (np. Ansible, Rundeck)
• Wyzwalanie wycofywania zmian, ponownych uruchomień lub przekierowania ruchu
• Audytowanie i dokumentowanie zautomatyzowanych interwencji

Skalowanie inteligentnych potoków AIOps

• MLOps dla obserwowalności: ponowne trenowanie i wersjonowanie modeli
• Uruchamianie predykcji w czasie rzeczywistym na rozproszonych węzłach
• Najlepsze praktyki wdrażania AIOps w środowiskach produkcyjnych

Studia przypadków i zastosowania praktyczne

• Analiza rzeczywistych danych o incydentach z wykorzystaniem predykcyjnych modeli AIOps
• Wdrażanie potoków RCA z danymi syntetycznymi i produkcyjnymi
• Przegląd przypadków użycia w branży: awarie chmury, niestabilność mikroserwisów, degradacje sieci

Podsumowanie i dalsze kroki