Temario del curso
Introducción a AIOps mediante herramientas de código abierto
- Descripción general de los conceptos y ventajas del AIOps
- El papel de Prometheus y Grafana en el ecosistema de observabilidad
- Dónde encaja el aprendizaje automático en el ámbito del AIOps: análisis predictivos frente a reacciones ante incidentes
Configuración inicial de Prometheus y Grafana
- Instalación y configuración de Prometheus para la recopilación de datos temporales
- Creación de paneles de control en Grafana utilizando métricas en tiempo real
- Exploración sobre exportadores, reetiquetado y detección de servicios
Preprocesamiento de datos para el aprendizaje automático
- Extracción y transformación de métricas provenientes de Prometheus
- Elaboración de conjuntos de datos aptos para la detección de anomalías y el pronóstico
- Utilización tanto de las funciones de transformación integradas en Grafana como de flujos de trabajo realizados con Python
Aplicación del aprendizaje automático para la detección de anomalías
- Introducción a modelos básicos destinados a identificar valores atípicos, como el Árbol de aislamiento o el SVM de una clase
- Entrenamiento y evaluación de modelos con datos temporales
- Visualización de las anomalías detectadas en los paneles creados con Grafana
Pronóstico de métricas mediante técnicas del aprendizaje automático
- Desarrollo sencillo de modelos predictivos, como ARIMA, Prophet o una introducción a las redes neuronales LSTM
- Predicción del nivel de carga en los sistemas o del consumo de recursos informáticos
- Uso de estos pronósticos para activar alertas precoces y tomar decisiones sobre escalado
Integración del aprendizaje automático con los mecanismos de alerta y automatización
- Elaboración de reglas de notificación basadas en resultados obtenidos mediante modelos predictivos o en umbrales predefinidos
- Uso del sistema Alertmanager y la gestión adecuada de las rutas de envío de avisos
- Activación automática de scripts o flujos de trabajo tras detectarse alguna anomalía
Escalabilidad y puesta en práctica del AIOps
- Integración de otras herramientas destinadas a la observabilidad externa, como la suite ELK, Moogsoft o Dynatrace
- Puesta en marcha práctica de modelos de aprendizaje automático dentro de las cadenas de procesamiento relacionadas con la observabilidad
- Recomendaciones fundamentales para implementar el AIOps a escala industrial
Resumen final y pasos siguientes
Requerimientos
- Conocimientos básicos sobre monitoreo de sistemas y conceptos relacionados con la observabilidad
- Experiencia previa en el uso de Grafana o Prometheus
- Familiaridad con Python y principios básicos del aprendizaje automático
Público objetivo
- Ingenieros especializados en observabilidad
- Equipos de infraestructura y DevOps
- Arquitectos de plataformas de monitoreo e ingenieros de fiabilidad del sistema (SRE)
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
