Solicitar información
 Duración 14 horas

Temario del curso

Diseño de una arquitectura de AIOps abierta

  • Resumen de los componentes clave en los pipelines de AIOps de código abierto
  • Flujo de datos desde la ingesta hasta la alerta
  • Comparación de herramientas y estrategia de integración

Recopilación y agregación de datos

  • Ingesta de datos de series temporales con Prometheus
  • Captura de registros con Logstash y Beats
  • Normalización de datos para la correlación entre múltiples fuentes

Creación de paneles de observabilidad

  • Visualización de métricas con Grafana
  • Construcción de paneles en Kibana para el análisis de registros
  • Uso de consultas de Elasticsearch para extraer conocimientos operativos

Detección de anomalías y predicción de incidentes

  • Exportación de datos de observabilidad a pipelines de Python
  • Entrenamiento de modelos de ML para la detección de valores atípicos y la previsión
  • Implementación de modelos para inferencia en vivo en el pipeline de observabilidad

Alertas y automatización con herramientas abiertas

  • Creación de reglas de alerta de Prometheus y enrutamiento de Alertmanager
  • Disparo de scripts o flujos de trabajo de API para respuesta automática
  • Uso de herramientas de orquestación de código abierto (p. ej., Ansible, Rundeck)

Consideraciones de integración y escalabilidad

  • Gestión de la ingesta de alto volumen y la retención a largo plazo
  • Seguridad y control de acceso en las pilas de tecnología de código abierto
  • Escala independiente de cada capa: ingesta, procesamiento, alertas

Aplicaciones y extensiones del mundo real

  • Casos de estudio: ajuste de rendimiento, prevención de caídas y optimización de costes
  • Extensión de pipelines con herramientas de trazado o grafos de servicios
  • Mejores prácticas para ejecutar y mantener AIOps en producción

Resumen y próximos pasos

Requerimientos

  • Experiencia con herramientas de observabilidad como Prometheus o ELK
  • Conocimientos prácticos de Python y fundamentos de aprendizaje automático (machine learning)
  • Comprensión de las operaciones de TI y los flujos de trabajo de alertas

Público objetivo

  • Ingenieros de fiabilidad de sitios (SREs) de nivel avanzado
  • Ingenieros de datos que trabajan en operaciones
  • Responsables de plataformas DevOps y arquitectos de infraestructura

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.
Inversión

Precio por grupo privado (formación online) desde 2900 € + IVA*

Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales

Próximos cursos

Categorías Relacionadas