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 mieści się w AIOps: analityka predykcyjna vs. reaktywna
Konfiguracja Prometheus i Grafana
- Instalowanie i konfigurowanie Prometheus do zbierania danych czasowych
- Tworzenie wizualizacji w Grafana z użyciem danych w czasie rzeczywistym
- Badanie eksportów, ponownego etykietowania i odkrywania usług
Przygotowanie danych do ML
- Ekstrahowanie i transformowanie metryk Prometheus
- Przygotowanie zestawów danych do wykrywania anomalii i prognozowania
- Używanie transformacji Grafana lub rurociągów Python
Zastosowanie Machine Learning do wykrywania anomalii
- Podstawowe modele ML do wykrywania danech odchylających (np. Isolation Forest, One-Class SVM)
- Trenowanie i ocena modeli na danych czasowych
- Wizualizowanie anomalii w wizualizacjach Grafana
Metryki Forecasting z ML
- Budowanie prostych modeli prognozowania (ARIMA, Prophet, wprowadzenie do LSTM)
- Prognozowanie obciążenia systemu lub zużycia zasobów
- Używanie prognoz do wczesnego ostrzegania i podejmowania decyzji o skalowaniu
Integracja ML z ostrzeganiem i automatyzacją
- Definiowanie zasad ostrzegania na podstawie wyjściowych danych ML lub progów
- Używanie Alertmanager i routingu powiadomień
- Wyzwalanie skryptów lub przepływów pracy automatyzacji po wykryciu anomalii
Skalowanie i operatywne wdrażanie AIOps
- Integracja zewnętrznych narzędzi obserwowalności (np. ELK stack, Moogsoft, Dynatrace)
- Operatywne wdrażanie modeli ML w rurociągach obserwowalności
- Najlepsze praktyki dla AIOps w skali
Podsumowanie i następne kroki
Wymagania
- Rozumienie pojęć monitorowania systemów i obserwowalności
- Doświadczenie w używaniu Grafana lub Prometheus
- Znałość z Python i podstawowych zasad uczenia maszynowego
Grupa docelowa
- Inżynierowie obserwowalności
- Zespoły infrastruktury i DevOps
- Architekci platform monitorowania i inżynierowie niezawodności (SRE)
14 godzin