Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés a Prediktív AIOps-be
- Áttekintés az IT műveletek előrejelező elemzéseiről
- Adatforrások az előrejelezeshez (naplók, mérőadatok, események)
- Kulcsfontosságú fogalmak a sorok előrejelezésében és anomália mintázatokban
Incidens Előrejelező Modellek Tervezése
- Korábbi incidensek és rendszer viselkedés címkézése
- Modell kiválasztása és tanítása (pl., LSTM, Random Forest, AutoML)
- Modell teljesítményének értékelése és hamis pótlás kezelése
Adatgyűjtés és Jellemzők Tervezése
- Napló- és mérőadatok beviteli modellekhez történő behozatala és igazítása
- Strukturált és nem strukturált adatból jellemzők kivonása
- Zajok és hiányzó adatok kezelése az operációs csövekben
Gyökelnegyed Elemzés (RCA) Automatizálása
- Szolgáltatások és infrastruktúra grafikon alapú korrelációja
- ML segítségével eseményláncokból való valószínű gyökelnegyedek levezetése
- Gyökelnegyed elemzés vizualizálása topológiai felismeréssel rendelkező irányítópultokon
Javítás és Folyamat Automatizálása
- Integráció automatizálási platformokkal (pl., Ansible, Rundeck)
- Visszavonás, újraindítás vagy forgalom átirányítás indítása
- Automatizált beavatkozások naplózása és dokumentálása
Intelligens AIOps Csövek Skálázása
- MLOps a megfigyelés szempontjából: újratanítás és modell verziózás
- Valós idejű előrejelezesek futtatása különböző csomópontokon
- Üzemkörnyezetben AIOps üzembe helyezésének legjobb gyakorlatai
Esetenek Tanulmányozása és Gyakorlati Alkalmazások
- Valós incidensadatok elemzése prediktív AIOps modellekkel
- RCA csővezetékek üzembe helyezése szintetikus és éles adatokkal
- Ipari esetek áttekintése: felhőszolgáltatások meghibásodása, mikroszolgáltatások instabilitása, hálózati leterheltség
Összefoglalás és Következő Lépések
Követelmények
- Tapasztalatok monitorozási rendszerekkel, például Prometheus-szel vagy ELK-vel
- Python és alapvető gépi tanulás munkakörben való alkalmazásának ismerete
- Ismeret az incidens kezelési folyamatokról
Célcsoport
- Senior helyszíni megbízhatóság- és operációk mérnökök (SRE-k)
- IT automatizálási architektúrák
- DevOps és megfigyelési platform vezetők
14 Órák