Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή στο AIOps με Ανοιχτά Πηγές Εργαλεία
- Σύνθετη παρουσίαση των κoncepts και όφελών του AIOps
- Prometheus και Grafana στο πυρήνα της παρακολούθησης
- Πού βρίσκεται η μηχανική μάθηση (ML) στο AIOps: πρόβλεψη vs αποδεξιότητα
Εγκατέσταση και Εγκαίνιση του Prometheus και Grafana
- Εγκατάσταση και επεξεργασία του Prometheus για συλλογή χρονικών δεδομένων
- Δημιουργία πίνακων μετρήσεων (dashboards) στο Grafana χρησιμοποιώντας ρεαλ-τайμ metrics
- Εξέταση exporters, relabeling και ανίχνευση δημιουργίας υπηρεσιών
Προεπεξεργασία Δεδομένων για ML
- Εξtraction και μετάβαση Prometheus metrics
- Πρόσθεση δεδομένων σε datasets για ανίχνευση άνομων πτωκών και πρόβλεψη
- Χρήση Grafana’s transformations ή pipelines του Python
Εφαρμογή Machine Learning για ανίχνευση άνομων πτωκών
- Βασικά ML models για την ανίχνευση άνομων πτωκών (e.g., Isolation Forest, One-Class SVM)
- Εκπαίδευση και εκτίμηση models σε χρονικά δεδομένα
- Βιβλιογραφία άνομων πτωκών σε dashboards του Grafana
Forecasting Metrics με ML
- Κατασκευή απλών πρόβλεψη models (ARIMA, Prophet, LSTM introduction)
- Πρόβλεψη φόρτου συστήματος ή χρήσης πόρων
- Χρήση προβλέψεων για την πρώιμη αποδεξιότητα και λήψη σχετικών αποφάσεων
Ενσωμάτωση ML με αποδεξιότητα και αυτομάτες διαδικασίες
- Ορισμός κανόνων αλέρτων βασισμένων σε ML output ή πολλαπλά επίπεδα (thresholds)
- Χρήση Alertmanager και routing notifications
- Εγκατάθεση scripts ή workflows automation με βάση την ανίχνευση άνομων πτωκών
Αποδοτικός και λειτουργικός AIOps
- Ενσωμάτωση εξωτερικών ορατικών εργαλείων (e.g., ELK stack, Moogsoft, Dynatrace)
- Λειτουργικός ML models σε pipelines observability
- Καλές πρακτικές για AIOps κατά μέγιστη επίδοση
Σύνοψη και Προχωρημένες Ενέργειες
Requirements
- Συνειδητότητα των κονцепτών σύστημας επίβλεψης και παρατηρούμενης υπολογιστικής (observability)
- Εμπειρία χρήσης Grafana ή Prometheus
- Γνώση των Python και των βασικών αρχών μηχανικού μάθησης
Πελάτες
- Σχεδιαστές παρατηρούμενης υπολογιστικής (observability engineers)
- Επικεφαλής εφαρμογών και ομάδες DevOps
- Αρχιτέκτονες πλατφόρμας επίβλεψης και μηχανικοί ασφαλείας των site (SREs)
14 Hours
