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.
Temario del curso
Introducción a AIOps con herramientas de código abierto
- Visión general de los conceptos y beneficios de AIOps
- Prometheus y Grafana en la pila de observabilidad
- El lugar del aprendizaje automático en AIOps: análisis predictivo versus reactivo
Configuración de Prometheus y Grafana
- Instalación y configuración de Prometheus para la recopilación de series temporales
- Creación de paneles en Grafana utilizando métricas en tiempo real
- Exploración de exportadores, reetiquetado y descubrimiento de servicios
Preprocesamiento de datos para el aprendizaje automático
- Extracción y transformación de métricas de Prometheus
- Preparación de conjuntos de datos para la detección de anomalías y predicción
- Uso de las transformaciones de Grafana o pipelines de Python
Aplicación del aprendizaje automático para la detección de anomalías
- Modelos básicos de aprendizaje automático para la detección de valores atípicos (por ejemplo, Bosque de Aislamiento, One-Class SVM)
- Entrenamiento y evaluación de modelos en datos de series temporales
- Visualización de anomalías en paneles de Grafana
Predicción de métricas con aprendizaje automático
- Construcción de modelos de predicción simples (ARIMA, Prophet, introducción a LSTM)
- Predicción de la carga del sistema o el uso de recursos
- Uso de predicciones para alertas tempranas y decisiones de escalado
Integración del aprendizaje automático con alertas y automatización
- Definición de reglas de alerta basadas en salidas de ML o umbrales
- Uso de Alertmanager y enrutamiento de notificaciones
- Activación de scripts o flujos de trabajo de automatización tras la detección de anomalías
Escalado y operación de AIOps
- Integración de herramientas externas de observabilidad (por ejemplo, pila ELK, Moogsoft, Dynatrace)
- Puesta en producción de modelos de aprendizaje automático en pipelines de observabilidad
- Mejores prácticas para AIOps a gran escala
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos de monitoreo de sistemas y observabilidad
- Experiencia utilizando Grafana o Prometheus
- Familiaridad con Python y principios básicos de aprendizaje automático
Público objetivo
- Ingenieros de observabilidad
- Equipos de infraestructura y DevOps
- Arquitectos de plataformas de monitoreo e ingenieros de confiabilidad del sitio (SRE)
14 Horas
