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.
Programa 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
- Dónde se integra el ML en AIOps: análisis predictivo vs. reactivo
Configuración de Prometheus y Grafana
- Instalación y configuración de Prometheus para la recopilación de series temporales
- Creador de paneles en Grafana utilizando métricas en tiempo real
- Explorando exportadores, relabeling y descubrimiento de servicios
Preprocesamiento de Datos para ML
- Extracción y transformación de las métricas de Prometheus
- Preparación de conjuntos de datos para la detección de anomalías y pronósticos
- Utilización de transformaciones de Grafana o tuberías de Python
Aplicación del ML para Detección de Anomalías
- Modelos de ML básicos para la detección de outliers (por ejemplo, Bosque de Aislamiento, SVM Uniclase)
- Entrenamiento y evaluación de modelos en datos de series temporales
- Visualización de anomalías en paneles de Grafana
Métricas de Forecasting con ML
- Cómo construir modelos de pronóstico sencillos (ARIMA, Prophet, introducción a LSTM)
- Pronosticar la carga del sistema o el uso de recursos
- Utilización de predicciones para alertas tempranas y decisiones de escalado
Integración del ML con Alerting y Automatización
- Definición de reglas de alerta basadas en la salida del ML o umbrales
- Uso de Alertmanager y ruteo de notificaciones
- Activación de scripts o flujos de trabajo automatizados con detección de anomalías
Escalar e Implementar AIOps
- Integración de herramientas externas de observabilidad (por ejemplo, ELK stack, Moogsoft, Dynatrace)
- Implementación operativa de modelos de ML en tuberías de observabilidad
- Prácticas recomendadas para AIOps a gran escala
Resumen y Próximos Pasos
Requerimientos
- Comprender los conceptos de monitoreo y observabilidad del sistema
- Experiencia usando 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 fiabilidad del sitio (SREs)
14 Horas
