Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Időtartalma 14 órák
Kurzusleírás
Az AI-megfigyelhetőség tájképe
- Irányítópultoktól a beszélgetésekig: az átállás az AI-alapú megfigyelhetőségre
- LLM-képességek, amelyek relevánsak a megfigyelhetőség szempontjából: összefoglalás, érvelés, mintázatkeresés
- Architektúra-patternek: az AI beágyazása a meglévő megfigyelhetőségi veremben
Nyelvi telemetriai lekérdezések
- Text-to-PromQL: természetes nyelvű kifejezések fordítása monitorozási lekérdezésekké
- Nyelvesz-es alapú Elasticsearch, OpenSearch és Loki naplótárolók lekérdezése
- SQL-generálás természetes nyelvből strukturált telemetriához
- Lekérdezőasszisztens ügynök fejlesztése eszközház-használattal és kontextusérzékeléssel
LLM-ek által működtetett naplóelemzés
- Naplok automatikus feldolgozása és strukturálása LLM-ekkel
- Anomáliadetektálás a naplófolyamban beágyazás-hasonlóság alapján
- Naplók klaszterezése és mintázatfelfedezés nagy skálán
- Emberek számára olvasható magyarázatok generálása nyers napló szekvenciákból
Intelligens értesítés és incidensgazdagítás
- Értesítések korrelációja és deduplikálása szemantikai megértéssel
- Incidenskontextus automatikus gyűjtése futáskönyvekből, korábbi incidensekből és dokumentumokból
- Okos értesítési továbbítás tartalomérzékelés és csapatkompetencia alapján
- Az értesítési fáradtság csökkentése AI-alapú zajszűréssel
AI-alapú okkutatás
- Feltételek generálása többforrású telemetriai korrelációból
- Bizonylánc: tünetek összekapcsolása metrikák, naplók és nyomkövetések között
- Vezetett hibaelhárítás interaktív AI-diagnózis munkamenetekkel
- Okkutatási ügynök fejlesztése fokozatos kivizsgálással
Automatikus incidenskezelés és kommunikáció
- Incidensösszefoglalók és állapotfrissítések generálása telemetriából
- Automatikus poszt-mortem tervezet idővonal-rekonstrukcióval
- A résztvevők igényeihez igazított tájékoztatás műszaki és vezetési szintű közönség számára
- Futáskönyv-javaslatok és automatikus javítási ajánlások
ML a megfigyelhetőségben
- Idősor-előrejelzés kapacitatervezéshez és anomáliamegjósoláshoz
- Alaphmodellek alkalmazása nulla lövéses anomáliadetektálásra metrikák alapján
- Beágyazás-alapú szolgáltatásfüggőségi térképalkotás és topológiakeresés
- Könnyű ML-modellek betanítása és telepítése a megfigyelhetőségi rendszerek mellett
Termelésbe helyezés és etika
- Látenciával és költségekkel kapcsolatos szempontok valós idejű AI-megfigyelhetőségi rendszerek esetén
- Adatvédelem: biztosítás arról, hogy az LLM-ek ne szivárogtassanak ki érzékeny telemetriai adatokat
- Emberi felügyelet: amikor az AI-diagnózist operátor-változtatás igényel
- Mérhető hatás: MTTD, MTTR és ügyfélszolgálati élmény mutatók
Követelmények
- Tapasztalat a Prometheus, Grafana, Datadog vagy OpenTelemetry megfigyelő eszközök használatában.
- Naplózáskezelési és metrika-koncepciók ismerete.
- Alapvető Python szkriptelési tudás az adatfeldolgozáshoz.
Célcsoport
- SRE és megfigyelhetőségi mérnökök, akik AI-alapú eszközöket vesznek igénybe.
- Platformmérnökök, akik új generációs monitorozási rendszereket építenek.
- DevOps vezetői, akik az LLM integrációt értékelik a incidensmunkafolyamatokba.
