Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan Szkolenia
Wprowadzenie do AIOps z narzędziami Open Source
- Przegląd koncepcji i korzyści AIOps
- Prometheus i Grafana w stosie obserwowalności
- Gdzie ML znajduje się w AIOps: analityka przewidywująca vs. reaktywna
Konfiguracja Prometheus i Grafana
- Instalowanie i konfigurowanie Prometheus do zbierania danych serii czasowych
- Tworzenie panelej w Grafana za pomocą metryk czasu rzeczywistego
- Przeglądanie eksportowców, przeetykietowania i odkrywania usług
Przetwarzanie danych dla ML
- Ekstrahowanie i przekształcanie metryk Prometheus
- Przygotowywanie zestawów danych do wykrywania anomalii i prognozowania
- Używanie transformacji Grafana lub pipeline Python
Zastosowanie Machine Learning do wykrywania anomalii
- Podstawowe modele ML do wykrywania wartości odstających (np. Isolation Forest, One-Class SVM)
- Trenowanie i ocena modeli na danych serii czasowych
- Wizualizowanie anomalii w panelach Grafana
Metryki Forecasting z ML
- Budowanie prostych modeli prognozujących (ARIMA, Prophet, wprowadzenie do LSTM)
- Prognozowanie obciążenia systemu lub wykorzystania zasobów
- Używanie prognoz do wcześniejszego ostrzegania i podejmowania decyzji skalowania
Integracja ML z ostrzeganiem i automatyzacją
- Definiowanie reguł ostrzegania na podstawie wyjścia ML lub progów
- Używanie Alertmanager i trasowania powiadomień
- Uruchamianie skryptów lub przepływów automatyzacji przy wykrywaniu anomalii
Skalowanie i operacyjne wdrażanie AIOps
- Integracja zewnętrznych narzędzi obserwowalności (np. stos ELK, Moogsoft, Dynatrace)
- Operacyjne wdrażanie modeli ML w pipeline obserwowalności
- Najlepsze praktyki dla AIOps w dużym skali
Podsumowanie i następne kroki
Wymagania
- Zrozumienie koncepcji monitorowania systemów i obserwowalności
- Doświadczenie w używaniu Grafana lub Prometheus
- Znajomość Python i podstawowych zasad uczenia maszynowego
Wskazana grupa odbiorców
- Inżynierowie obserwowalności
- Zespoły infrastruktury i DevOps
- Architekci platform monitorujących i inżynierowie niezawodności serwisu (SRE)
14 godzin