Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Introduction à l'AIOps avec des outils open source
- Aperçu des concepts et des avantages de l'AIOps
- Prometheus et Grafana dans la pile d'observabilité
- Le rôle de l'IA dans l'AIOps : analyses prédictives par rapport aux analyses réactives
Configuration de Prometheus et Grafana
- Installation et configuration de Prometheus pour la collecte de séries temporelles
- Création de tableaux de bord dans Grafana à l'aide de métriques en temps réel
- Exploration des exportateurs, du relabellage et de la découverte de services
Prétraitement des données pour l'IA
- Extraction et transformation des métriques Prometheus
- Préparation des jeux de données pour la détection d'anomalies et les prévisions
- Utilisation des transformations de Grafana ou de pipelines Python
Application de l'apprentissage automatique à la détection d'anomalies
- Modèles d'IA de base pour la détection des valeurs aberrantes (par ex., Isolation Forest, One-Class SVM)
- Entraînement et évaluation des modèles sur des données de séries temporelles
- Visualisation des anomalies dans les tableaux de bord Grafana
Prévision des métriques avec l'IA
- Construction de modèles de prévision simples (ARIMA, Prophet, introduction aux LSTM)
- Prédiction de la charge système ou de l'utilisation des ressources
- Utilisation des prédictions pour les alertes précoces et les décisions d'échelle
Intégration de l'IA avec les alertes et l'automatisation
- Définition de règles d'alerte basées sur la sortie de l'IA ou des seuils
- Utilisation d'Alertmanager et du routage des notifications
- Déclenchement de scripts ou de workflows d'automatisation en cas de détection d'anomalie
Mise à l'échelle et industrialisation de l'AIOps
- Intégration d'outils d'observabilité externes (par ex., pile ELK, Moogsoft, Dynatrace)
- Industrialisation des modèles d'IA dans les pipelines d'observabilité
- Meilleures pratiques pour l'AIOps à grande échelle
Résumé et prochaines étapes
Pré requis
- Une compréhension des concepts de surveillance des systèmes et d'observabilité
- Une expérience dans l'utilisation de Grafana ou de Prometheus
- Une familiarité avec Python et les principes fondamentaux de l'apprentissage automatique
Public cible
- Ingénieurs en observabilité
- Équipes infrastructure et DevOps
- Architectes de plateformes de surveillance et ingénieurs de fiabilité des sites (SRE)