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 los sistemas AIOps predictivos
- Descripción general del análisis predictivo en el ámbito de las operaciones TI
- Fuentes de datos para la predicción: registros, métricas y eventos
- Conceptos fundamentales acerca del pronóstico temporal y detección de anomalías
Diseño de modelos predictivos para incidencias
- Etiquetado de incidentes históricos y registro del comportamiento del sistema
- Selección y entrenamiento de modelos, como LSTM, Random Forest o AutoML
- Evaluación de resultados y control de falsos positivos en los modelos
Recolección de datos e ingeniería de características
- Captura y alineación adecuada de registros y métricas como insumos para los modelos
- Extracción de características significativas tanto en datos estructurados como no estructurados
- Gestión de ruido y casos donde faltan datos durante la ejecución de los flujos operativos
Automatización del análisis de causas raíz (RCA)
- Correlación gráfica entre servicios e infraestructuras
- Uso del aprendizaje automático para inferir cuáles son las probables causas raíz a partir de cadenas de eventos
- Presentación visualizada del análisis realizado en paneles interactivos que reflejan topologías complejas
Corrección automática y mecanismos de flujo de trabajo
- Integración con plataformas automatizadas, como Ansible o Rundeck
- Activación autónoma de operaciones tales como restauraciones, reinicios o reenrutamiento del tráfico
- Registro y documentación detallada de cada intervención automatizada
Escalado eficiente de las canalizaciones AIOps inteligentes
- Prácticas recomendadas en el ámbito MLOps: mantenimiento continuo y control de versiones de los modelos
- Ejecución simultánea de predicciones en tiempo real a nivel de múltiples nodos distribuidos
- Pautas útiles para la implementación de sistemas AIOps dentro de entornos productivos
Estudios de caso y aplicaciones prácticas
- Análisis real de datos provenientes de incidentes previos empleando modelos predictivos AIOps
- Puesta en práctica efectiva de flujos automatizados para el análisis de causas raíz, utilizando datos simulados o reales
- Revisión exhaustiva de situaciones típicas en la industria: interrupciones en servicios cloud, problemas asociados a microservicios y degradación del rendimiento de redes
Resumen final y recomendaciones para seguir avanzando
Requerimientos
- Experiencia previa con sistemas de monitoreo como Prometheus o ELK
- Conocimientos prácticos de Python y conceptos básicos de aprendizaje automático
- Familiaridad con los procesos habituales en la gestión de incidencias
Público objetivo
- Ingenieros senior especializados en fiabilidad de sistemas (SRE)
- Arquitectos encargados de la automatización en entornos TI
- Líderes en prácticas DevOps y desarrollo de plataformas de observabilidad
14 Horas
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 2900 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
