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
- Cómo encaja el aprendizaje automático en AIOps: análisis predictivo versus 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
- Exploración de exportadores, reetiquetado y descubrimiento de servicios
Preprocesamiento de datos para aprendizaje automático
- Extracción y transformación de métricas de Prometheus
- Preparación de conjuntos de datos para detección de anomalías y pronóstico
- Uso de transformaciones de Grafana o pipelines en Python
Aplicación de aprendizaje automático para detección de anomalías
- Modelos básicos de aprendizaje automático para detección de valores atípicos (por ejemplo, Isolation Forest, One-Class SVM)
- Entrenamiento y evaluación de modelos en datos de series temporales
- Visualización de anomalías en los paneles de Grafana
Pronóstico de métricas con aprendizaje automático
- Construcción de modelos simples de pronóstico (ARIMA, Prophet, introducción a LSTM)
- Predicción de la carga del sistema o del 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 la salida del aprendizaje automático o en umbrales
- Uso de Alertmanager y enrutamiento de notificaciones
- Activación de scripts o flujos de trabajo de automatización al detectar anomalías
Escalamiento y puesta en operación de AIOps
- Integración de herramientas externas de observabilidad (por ejemplo, pila ELK, Moogsoft, Dynatrace)
- Puesta en operación 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 en el uso de 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
