Návrh Školení

Úvod do AIOps

Původy a vývoj AIOps

Důležitost AIOps ve srovnání s moderní IT

AIOps vs. IT Operations Analytics – klíčové rozdíly

Kerní technologie a koncepty

Cyklus životnosti systému AIOps

Související praktiky a metodologie

AIOps v kontextu organizace

Klíčové motivátory a ovlivňující faktory

Integrace s DevOps

Role AIOps v Site Reliability Engineering (SRE)

AIOps a záležitosti IT bezpečnosti

Data, telemetrie a komplexita systému

Nový paradigmatický přístup k porozumění stavu systému

Kerní technologie – Data

Co je Big Data?

Pět V's v Big Data

Charakteristiky Big Data v AIOps

Zdroje a typy dat ve prostředí AIOps

Diverzita dat a výzvy při jejich zpracování

Kerní technologie – Machine Learning (ML)

AI, ML a jejich role v AIOps

Srovnání řízeného s neurčitým učením v AIOps

Porovnání strojového učení s tradiční analýzou

Strojová učení modely a jejich aplikace v AIOps

Budoucnost AI ve správě IT operací

Porovnání ML s přístupy datové analýzy

AIOps a operativní metriky

Klíčové operativní metriky pro IT prostředí

Důležité indikátory po celém systému

SLA, SLO a KPI – definice a použití

Metriky související s incidenty: detekce a klasifikace

Časové metriky: MTTD, MTBF, MTTA, MTTR

Správa dohod o úrovni služeb

Use Case a změna organizačního postoje

Od reaktivních k proaktivním operacím

Charakteristiky modelu reaktivních IT operací

Přechod od deterministických k pravděpodobnostním přístupům

Skutečné užití AIOps v praxi

Organizační změny vyvolané AIOps

Porozumění minulosti, predikce budoucnosti

Měření dopadu AIOps

Klíčové metriky AIOps pro IT operace

Synergie mezi AIOps, DevOps a SRE

Zlepšení přesnosti AI prostřednictvím AIOps

Posílení pozorovatelnosti systému

Sledování dopadu AIOps na operace

Spojení metrik AIOps s indikátory DORA

Implementace AIOps v organizaci

Zakročení proti běžným pastem

Etičnost a strojové učení v AIOps

Cesty a strategie implementace

Kvalita dat a shoda procesů

Organizační kultura a podporující praktiky

Dátová regulace a soulad

Zvládnutí chyb modelů strojového učení

SOUKROMÍ A ZAŠÍTENÍ UŽIVATELSKÝCH DAT

Požadavky

Základní znalosti IT terminologie a zkušenosti s právě informačními technologiemi.

 14 hodiny

Počet účastníků


Price per participant

Reference (1)

Upcoming Courses

Související kategorie