Návrh Školení
Úvod do AIOps
Původ a vývoj AIOps
Důležitost AIOps ve moderním IT
AIOps vs. IT Operations Analytics – klíčové rozdíly
Základní technologie a koncepty
Životní cyklus AIOps systému
Související praktiky a metodologie
AIOps v organizaci
Klíčové faktory a ovlivňující činitele
Integrace s DevOps
Rolí AIOps ve Site Reliability Engineering (SRE)
AIOps a IT bezpečnostní obavy
Data, telemetrie a složitost systému
Nový paradigma pro pochopení stavu systému
Základní technologie – Data
Co je Big Data?
5 V Big Data
Charakteristiky Big Data v AIOps
Zdroje a typy dat ve prostředích AIOps
Diverzita dat a výzvy zpracování
Základní technologie – Machine Learning (ML)
Umělá inteligence, strojové učení a jejich role v AIOps
Supervizované vs. nesupervizované učení v AIOps
Strojové učení vs. tradiční analýzy dat
Modely strojového učení a jejich aplikace v AIOps
Budoucnost AI ve IT operacích
Porovnání ML s přístupy k analýze dat
AIOps a operační metriky
Klíčové operační metriky pro IT prostředí
Důležité ukazatele v různých systémech
SLA, SLO a KPI – definice a použití
Incidentní metriky: detekce a klasifikace
Časové metriky: MTTD, MTBF, MTTA, MTTR
Správa smluv o úrovni služeb (SLA)
Případové studie a změna organizace
Přechod od reaktivních k proaktivním operacím
Charakteristiky modelu reaktivních IT operací
Přechod od deterministických ke pravděpodobnostním přístupům
Reálné příklady využití AIOps
Organizační změna ovlivněná AIOps
Chápání minulosti, predikce budoucnosti
Měření dopadu AIOps
Klíčové metriky AIOps pro IT operace
Synergie mezi AIOps, DevOps a SRE
Zlepšení přesnosti AI prostřednictvím AIOps
Zvýšení pozorovatelnosti systému
Sledování dopadu AIOps na operace
Propojení metrik AIOps s DORA ukazateli
Implementace AIOps v organizaci
Odpovědnost za běžné pasti
Etika a strojové učení v AIOps
Implementační cesty a strategie
Kvalita dat a procesy srovnání
Organizační kultura a podporující praktiky
Dataová regulační rámce a dodržování předpisů
Řešení chyb v modelech strojového učení
Ochrana soukromí a uživatelských dat
Požadavky
Základní znalost IT terminologie a zkušenosti s prací s informačními technologiemi.
Reference (1)
Bylo mnoho praktických cvičení, která vedl a podporoval instruktor.
Aleksandra - Fundacja PTA
Kurz - Mastering Make: Advanced Workflow Automation and Optimization
Přeloženo strojem