Solicitar información

Temario del curso

Diseño de una arquitectura AIOps de código abierto

  • Descripción general de los componentes clave en los pipelines de AIOps basados en código abierto
  • Flujo de datos desde la ingestión hasta el envío de alertas
  • Comparativa entre herramientas y estrategias de integración

Recopilación y agregación de datos

  • Ingestión de datos temporales mediante Prometheus
  • Captura de registros utilizando Logstash y Beats
  • Normalización de los datos para posibilitar la correlación entre diversas fuentes

Creación de paneles de observabilidad

  • Visualización de métricas mediante Grafana
  • Elaboración de paneles en Kibana orientados al análisis de registros
  • Uso de consultas en Elasticsearch para obtener información operativa relevante

Detección de anomalías y predicción de incidentes

  • Exportación de los datos de observabilidad a flujos de trabajo desarrollados en Python
  • Entrenamiento de modelos de aprendizaje automático para la detección de valores atípicos y predicción futura
  • Despliegue de dichos modelos en entornos de producción dentro del pipeline de observabilidad

Envío de alertas y automatización con herramientas de código abierto

  • Configuración de reglas de alerta en Prometheus así como rutas definidas en Alertmanager
  • Disparo automático de scripts o flujos de trabajo API para responder ante eventos críticos
  • Empleo de herramientas de orquestación gratuitas como Ansible y Rundeck

Consideraciones sobre integración y escalabilidad

  • Gestión del flujo masivo de datos recibidos así como su almacenamiento a largo plazo
  • Aspectos de seguridad y control de acceso en entornos basados en código abierto
  • Escalado independiente de cada capa: ingestión, procesamiento y generación de alertas

Aplicaciones prácticas y posibles ampliaciones

  • Análisis de casos reales: optimización del rendimiento, prevención de interrupciones en el servicio y reducción de costos
  • Ampliación del pipeline con herramientas de trazado o gráficos de servicios
  • Prácticas recomendadas para mantener operativos los sistemas AIOps en producción

Resumen final y próximos pasos

Requerimientos

  • Experiencia previa con herramientas de observabilidad como Prometheus o ELK
  • Conocimientos prácticos de Python y fundamentos del aprendizaje automático
  • Comprensión básica sobre operaciones informáticas y flujos de trabajo relacionados con alertas

Público objetivo

  • Ingenieros avanzados especializados en fiabilidad de sistemas (SRE)
  • Ingenieros de datos que desempeñan funciones en entornos operativos
  • Líderes de plataformas DevOps y arquitectos de infraestructura
 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.
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