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.
- Le rôle de Prometheus et de Grafana dans la pile d'observabilité.
- La place de l'IA dans l'AIOps : analyses prédictives par rapport aux analyses réactives.
Configuration de Prometheus et de 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.
- Découverte des exporters, du réétiquetage (relabeling) 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 des pipelines Python.
Application de l'apprentissage automatique à la détection d'anomalies
- Modèles IA de base pour la détection de valeurs aberrantes (par exemple, 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
- Création de modèles de prévision simples (ARIMA, Prophet, introduction aux LSTM).
- Prévision de la charge du système ou de l'utilisation des ressources.
- Utilisation des prédictions pour l'alerte précoce et les décisions de mise à l'échelle.
Intégration de l'IA avec les alertes et l'automatisation
- Définition de règles d'alerte basées sur la sortie de l'IA ou sur des seuils.
- Utilisation d'Alertmanager et du routage des notifications.
- Déclenchement de scripts ou de flux de travail d'automatisation lors de la détection d'anomalies.
Mise à l'échelle et opérationnalisation de l'AIOps
- Intégration d'outils d'observabilité externes (par exemple, pile ELK, Moogsoft, Dynatrace).
- Opérationnalisation des modèles d'IA dans les pipelines d'observabilité.
- Bonnes pratiques pour l'AIOps à grande échelle.
Résumé et prochaines étapes
Pré requis
- La compréhension des concepts de surveillance système et d'observabilité.
- L'expérience d'utilisation de Grafana ou de Prometheus.
- La familiarité avec Python et les principes fondamentaux de l'apprentissage automatique.
Public cible
- Ingénieurs en observabilité.
- Équipes d'infrastructure et de DevOps.
- Architectes de plateformes de surveillance et ingénieurs de la fiabilité des sites (SRE).
