Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do AIOps s využitím open-source nástrojů
- Přehled konceptů a přínosů AIOps
- Role Prometheusu a Grafany v celém monitorovacím systému
- Kde nachází uplatnění strojové učení v AIOps: prediktivní versus reaktivní analýza
Nastavení Prometheusu a Grafany
- Instalace a konfigurace Prometheusu pro sběr časových řad dat
- Vytváření dashboardů v Grafaně s využitím reálných měřicích údajů
- Seznámení s exportery, přeoznačováním dat a mechanismem vyhledávání služeb
Příprava dat pro strojové učení
- Extrakce a transformace měřicích údajů z Prometheusu
- Příprava datových sad pro detekci anomálií a předvídání budoucího vývoje
- Využití transformací v Grafaně či skriptů v Pythonu k tomuto účelu
Aplikace strojového učení na detekci anomálií
- Základní modely pro identifikaci výkyvů v datech (např. Isolation Forest, One-Class SVM)
- Vyškolení a hodnocení těchto modelů na časových řadách
- Vizualizace nalezených anomálií v dashboardech Grafany
Predikce vývoje měřicích údajů pomocí strojového učení
- Vytváření jednoduchých predikčních modelů (ARIMA, Prophet, seznámení s LSTM)
- Odhadování budoucího zatížení systému nebo využití jeho prostředků
- Využití těchto predikcí k předčasnému varování a rozhodování o škálování systému
Integrace strojového učení s upozorňováním a automatizací
- Definování pravidel pro upozornění na základě výstupů modelů nebo konkrétních prahových hodnot
- Využití nástroje Alertmanager a řízení odesílání upozornění
- Spouštění skriptů či automatizovaných procesů v případě detekce anomálií
Škálování a praktické zavádění AIOps do provozu
- Začlenění dalších monitorovacích nástrojů (např. ELK stack, Moogsoft, Dynatrace)
- Praktická aplikace modelů strojového učení v celém monitorovacím procesu
- Osvědčené postupy pro škálování AIOps v firemním prostředí
Shrnutí a další kroky
Požadavky
- Základní znalosti konceptů systémového monitorování a observability
- Praktické zkušenosti s používáním Grafany nebo Prometheusu
- Orientaci v jazyce Python a základy teorie strojového učení
Cílová skupina
- Inženýři zabývající se observability
- Týmy pro správu infrastruktury a DevOps
- Architekti monitorovacích platforem a inženýři spolehlivosti systémů (SRE)
14 Hodiny