Plan Szkolenia

Wprowadzenie do Predictive AIOps

  • Przegląd analityki predykcyjnej w operacjach IT
  • Źródła danych do predykcji (logi, metryki, zdarzenia)
  • Kluczowe koncepcje w prognozowaniu szeregów czasowych i wzorcach anomalii

Projektowanie modeli przewidywania incydentów

  • Etykietowanie historycznych incydentów i zachowań systemu
  • Wybieranie i szkolenie modeli (np. LSTM, Random Forest, AutoML)
  • Ocena wydajności modelu i obsługa fałszywych pozytywnych

Zbieranie danych i inżynieria cech

  • Przyjmowanie i synchronizowanie danych logów i metryk do wejścia modelu
  • Ekstrakcja cech z danych strukturalnych i nieskuturalnych
  • Obsługa szumów i braków danych w operacyjnych potokach

Automatyzacja analizy przyczyny pierwszego (RCA)

  • Korelacja usług i infrastruktury oparta na grafach
  • Używanie ML do wyciągania prawdopodobnych przyczyn z łańcuchów zdarzeń
  • Wizualizacja RCA za pomocą pulpitów z informacją o topologii

Naprawa i Workflow Automation

  • Integracja z platformami automatyzacji (np. Ansible, Rundeck)
  • Wybieranie cofnięć, ponownego uruchomienia lub przekierowania ruchu
  • Audytowanie i dokumentowanie automatycznych interwencji

Skalowanie inteligentnych potoków AIOps

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

Przypady studyjne i praktyczne zastosowania

  • Analiza rzeczywistych danych incydentów za pomocą predykcyjnych modeli AIOps
  • Wdrażanie potoków RCA z użyciem danych syntetycznych i produkcyjnych
  • Przegląd przypadków branżowych: awarie chmurowe, niestabilność mikroserwisów, degradacja sieci

Podsumowanie i kolejne kroki

Wymagania

Doświadczenie z systemami monitorowania, takimi jak Prometheus lub ELK Znawstwo Python i podstawowych technik uczenia maszynowego Znawstwo procesów zarządzania incydentami **Grupa docelowa** Starszy inżynierowie niezawodności (SRE) Architekci automatyzacji IT Liderzy w dziedzinie DevOps i platform obserwacyjnych
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie