Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengenalan ke AIOps Prediktif
- Gambaran umum tentang analisis prediktif dalam operasi IT
- Sumber data untuk prediksi (log, metrik, peristiwa)
- Konsep kunci dalam peramalan seri waktu dan pola anomali
Mendesain Model Prediksi Insiden
- Penyandian insiden historis dan perilaku sistem
- Memilih dan melatih model (misalnya, LSTM, Random Forest, AutoML)
- Mengevaluasi kinerja model dan penanganan false-positive
Pengumpulan Data dan Feature Engineering
- Mengingest dan menyelaraskan data log dan metrik untuk input model
- Ekstraksi fitur dari data terstruktur dan tidak terstruktur
- Menangani noise dan data yang hilang dalam pipa operasional
Mengotomatiskan Analisis Penyebab Akar (RCA)
- Korelasi berbasis grafik dari layanan dan infrastruktur
- Menggunakan ML untuk menentukan penyebab akar yang mungkin dari rantai peristiwa
- Membuat visualisasi RCA dengan dasbor yang sadar topologi
Remedi dan Otomatisasi Workflow
- Integrasi dengan platform otomasi (misalnya, Ansible, Rundeck)
- Memicu rollback, restart, atau pengalihan lalu lintas
- Mengevaluasi dan mendokumentasikan intervensi otomatis
Mengembangkan Pipa AIOps Cerdas
- MLOps untuk observability: melatih ulang dan versi model
- Menjalankan prediksi secara real-time di node terdistribusi
- Praktik terbaik untuk menurunkan AIOps di lingkungan produksi
Studi Kasus dan Aplikasi Praktis
- Menganalisis data insiden nyata menggunakan model AIOps prediktif
- Menurunkan pipa RCA dengan data sintetik dan produksi
- Tinjauan kasus industri: pemadaman cloud, ketidakstabilan microservices, degradasi jaringan
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pengalaman dengan sistem pemantauan seperti Prometheus atau ELK
- Pengetahuan kerja tentang Python dan pembelajaran mesin dasar
- Kenalan dengan workflow manajemen insiden
Audience
- Insinyur keandalan situs senior (SREs)
- Arsitek otomasi IT
- Pemimpin platform DevOps dan observability
14 Jam