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 AIOps dengan Alat Open Source
- Gambaran umum mengenai konsep serta manfaat AIOps
- Peran Prometheus dan Grafana dalam ekosistem observabilitas
- Lokasi penerapan machine learning dalam AIOps: antara analitik prediktif serta reaktif
Pengaturan Prometheus dan Grafana
- Instalasi serta konfigurasi Prometheus untuk pengumpulan data time series
- Membuat dashboard di Grafana menggunakan metrik waktu nyata
- Mengenal eksporter, mekanisme relabeling, serta proses penemuan layanan
Pra-pengolahan Data untuk Machine Learning
- Ekstraksi serta transformasi metrik Prometheus
- Penyiapan dataset untuk keperluan deteksi anomali maupun peramalan
- Pemanfaatan fitur transformasi Grafana atau saluran pemrosesan Python
Penerapan Machine Learning untuk Deteksi Anomali
- Model ML dasar dalam mendeteksi titik data yang menyimpang (contohnya Isolation Forest, One-Class SVM)
- Pelatihan dan evaluasi model dengan menggunakan data time series
- Visualisasi pola anomali melalui dashboard Grafana
Peramalan Metrik Menggunakan Machine Learning
- Pembuatan model peramalan sederhana (seperti ARIMA, Prophet, pengantar teknik LSTM)
- Memprediksi beban sistem maupun tingkat pemanfaatan sumber daya
- Memanfaatkan hasil peramalan tersebut untuk pemberian peringatan dini serta pengambilan keputusan penyesuaian kapasitas
Mengintegrasikan Machine Learning dengan Mekanisme Peringatan dan Otomatisasi
- Pembuatan aturan peringatan yang didasarkan pada hasil analisa ML maupun ambang batas tertentu
- Pemanfaatan Alertmanager beserta sistem pengalihan notifikasi
- Pengaktifan skrip atau alur kerja otomatis ketika terjadi deteksi anomali
Skalabilitas serta Operasionalisasi AIOps
- Integrasi alat observabilitas eksternal lainnya (misalnya stack ELK, Moogsoft, Dynatrace)
- Mengoperasikan model ML secara efektif dalam rantai kerja observabilitas
- Praktik terbaik untuk menerapkan AIOps pada tingkat skala besar
Kesimpulan serta Langkah Selanjutnya
Persyaratan
- Pemahaman mengenai konsep pemantauan sistem serta observabilitas
- Pengalaman menggunakan Grafana atau Prometheus
- Kenal dengan bahasa Python serta prinsip-prinsip dasar machine learning
Target Peserta
- Insinyur observabilitas
- Tim infrastruktur dan DevOps
- Arsitek platform pemantauan serta insinyur keandalan situs (SRE)
14 Jam