Ta kontakt

Kursplan

Innføring i AIOps

Opprinnelse og utvikling av AIOps

Viktigheten av AIOps i moderne IT

AIOps vs. IT-driftsanalyse – nøkkelforskjeller

Kjerneteknologier og konsepter

Livssyklus for AIOps-systemer

Relaterte praksis og metoder

AIOps i organisatorisk sammenheng

Nøkkeldrivere og påvirkningsfaktorer

Integrasjon med DevOps

Rollen til AIOps i Site Reliability Engineering (SRE)

AIOps og IT-sikkerhetsbekymringer

Data, telemetri og systemkompleksitet

Et nytt paradigme for å forstå systemhelse

Kjerneteknologier – Data

Hva er Big Data?

De 5 V-ene i Big Data

Egenskaper ved Big Data i AIOps

Datakilder og datatyper i AIOps-miljøer

Datas mangfold og utfordringer med behandling

Kjerneteknologier – Maskinlæring (ML)

KI, ML og deres rolle i AIOps

Supervisert vs. usupervisert læring i AIOps

Maskinlæring vs. tradisjonell analyse

ML-modeller og deres anvendelse i AIOps

Fremtiden for KI i IT-drift

Sammenligning av ML og数据分析-tilnærminger

AIOps og operative indikatorer

Nøkkelfigurer for IT-miljøer

Viktige indikatorer over ulike systemer

SLA, SLO og KPI – definisjoner og bruksområder

Henvendelsesrelaterte indikatorer: deteksjon og klassifisering

Tidsbaserte indikatorer: MTTD, MTBF, MTTA, MTTR

Administrering av servicenivåavtaler

Use cases og endring av organisatorisk mentalitet

Fra reaktiv til proaktiv drift

Egenskaper ved en reaktiv IT-driftsmodell

Fra deterministiske til sannsynlighetsbaserte tilnærminger

Praktiske use cases for AIOps

Organisasjonsendringer drevet av AIOps

Forstå fortiden, forutsi fremtiden

Måling av AIOps-impakten

Nøkkelfigurer for AIOps i IT-drift

Synergi mellom AIOps, DevOps og SRE

Forbedring av KI-nøyaktighet gjennom AIOps

Økt synlighet på systemene

Oppfølging av AIOps-impact på driftsenhetene

Knytte AIOps-indikatorer til DORA-indikatorer

Innføring av AIOps i organisasjonen

Unngå vanlige feller

Etik og maskinlæring i AIOps

Innføringsstier og strategier

Datakvalitet og prosesssamsvar

Organisasjonskultur og støttende praksis

Datareguleringer og compliance

Håndtering av feil i ML-modeller

Personvern og brukerdatabeskyttelse

Krav

Grunnleggende forståelse av IT-terminologi og erfaring med arbeid innenfor informasjonsteknologi.

 35 Timer

Antall deltakere


Pris per deltaker

Referanser (2)

Kommende kurs

Relaterte kategorier