Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в AIOps с инструменти с отворен код
- Преглед на концепциите и ползите от AIOps
- Prometheus и Grafana в стека за observability
- Къде се вписва машинното обучение в AIOps: предсказуема срещу реактивна аналитика
Настройка на Prometheus и Grafana
- Инсталиране и конфигуриране на Prometheus за събиране на времеви редове
- Създаване на табла в Grafana чрез използване на показатели в реално време
- Изследване на експортери, преетикетиране и откриване на услуги
Предварителна обработка на данни за машинно обучение
- Извличане и трансформиране на показатели от Prometheus
- Подготовка на набори от данни за откриване на аномалии и прогнозиране
- Използване на трансформациите на Grafana или Python потоци
Прилагане на машинно обучение за откриване на аномалии
- Основни модели на машинно обучение за откриване на отклонения (напр. Isolation Forest, One-Class SVM)
- Обучение и оценка на модели върху данни от времеви редове
- Визуализиране на аномалии в табла на Grafana
Прогнозиране на показатели с машинно обучение
- Изграждане на прости модели за прогнозиране (ARIMA, Prophet, въведение в LSTM)
- Предсказване на натоварване на системата или използване на ресурси
- Използване на прогнози за ранно известяване и решения за мащабиране
Интегриране на машинно обучение с известяване и автоматизация
- Дефиниране на правила за известяване, базирани на изход от машинно обучение или прагове
- Използване на Alertmanager и маршрутизиране на известия
- Задействане на скриптове или работни потоци за автоматизация при откриване на аномалия
Мащабиране и операционализиране на AIOps
- Интегриране на външни инструменти за observability (напр. ELK стек, Moogsoft, Dynatrace)
- Операционализиране на модели за машинно обучение в потоци за observability
- Най-добри практики за AIOps в мащаб
Обобщение и следващи стъпки
Изисквания
- Разбиране на концепциите за системен мониторинг и observability
- Опит с използването на Grafana или Prometheus
- Запознатост с Python и основните принципи на машинното обучение
Аудитория
- Инженери по observability
- Инфраструктурни и DevOps екипи
- Архитекти на платформи за мониторинг и инженери по надеждност на сайтове (SRE)
14 Часа