Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción a AIOps con Herramientas de Código Abierto
- Resumen de conceptos y beneficios de AIOps
- Prometheus y Grafana en la pila de observabilidad
- Dónde se integra el ML en AIOps: análisis predictivo vs. reactivo
Configuración de Prometheus y Grafana
- Instalación y configuración de Prometheus para la recolección de series temporales
- Creación de paneles en Grafana utilizando métricas en tiempo real
- Explorando exportadores, reetiquetado y descubrimiento de servicios
Preprocesamiento de Datos para ML
- Extracción y transformación de métricas Prometheus
- Preparación de conjuntos de datos para la detección de anomalías y pronóstico
- Uso de transformaciones en Grafana o pipelines de Python
Aplicando Machine Learning para Detección de Anomalías
- Modelos ML básicos para detección de outliers (por ejemplo, Bosque de Aislamiento, SVM Uniclass)
- Entrenamiento y evaluación de modelos en datos de series temporales
- Visualización de anomalías en paneles de Grafana
Métricas de ML con Forecasting
- Construcción de modelos sencillos de pronóstico (ARIMA, Prophet, introducción a LSTM)
- Predicción del carga del sistema o uso de recursos
- Uso de predicciones para alertas tempranas y decisiones de escalado
Integración de ML con Alertas y Automatización
- Definición de reglas de alerta basadas en la salida de ML o umbrales
- Uso de Alertmanager y enrutamiento de notificaciones
- Disparo de scripts u orquestación de flujos de trabajo automatizados al detectar anomalías
Escalado y Operacionalización de AIOps
- Integración con herramientas externas de observabilidad (por ejemplo, pila ELK, Moogsoft, Dynatrace)
- Operaciones de modelos ML en pipelines de observabilidad
- Mejores prácticas para AIOps a escala
Resumen y Pasos Siguientes
Requerimientos
- Comprender los conceptos de monitoreo del sistema y observabilidad
- Experiencia usando Grafana o Prometheus
- Familiaridad con Python y principios básicos de aprendizaje automático
Áudience
- Ingenieros de observabilidad
- Equipos de infraestructura y DevOps
- Arquitectos de plataformas de monitoreo e ingenieros de confiabilidad del sitio (SREs)
14 Horas