Kursplan

Innføring i AIOps

Opphavet og utviklingen av AIOps

Betydningen av AIOps i moderne IT

AIOps vs. IT-operasjonsanalyser – hovedforskjellene

Kjerne-teknologier og konsepter

Livssyklusen til AIOps-systemer

Relaterte praksiser og metoder

AIOps i organisatorisk sammenheng

Hoveddrivere og påvirkningsfaktorer

Integrering 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

Kjerne-teknologier – Data

Hva er Big Data?

De 5 V av Big Data

Egenskapene til Big Data i AIOps

Datakilder og typer i AIOps-miljøer

Data-diversitet og utfordringer ved behandling

Kjerne-teknologier – Machine Learning (ML)

AI, ML og deres rolle i AIOps

Overvåket vs. uovervåket læring i AIOps

Maskinlæring vs. tradisjonelle analyser

ML-modeller og deres anvendelse i AIOps

Framtiden for AI i IT-operasjoner

Sammenligning av ML med data-analysemetoder

AIOps og operasjonelle metrikker

Viktige operasjonelle metrikker for IT-miljøer

Viktige indikatorer over ulike systemer

SLA, SLO og KPI – definisjoner og bruk

Metrikker relatert til hendelser: oppdagelse og klassifisering

Tidsbaserte metrikker: MTTD, MTBF, MTTA, MTTR

Håndtering av serviceavtaler

Use Cases og endring i organisatorisk tankegang

Fra reaktive til proaktive operasjoner

Egenskapene til et reaktivt IT-operasjonsmodell

Overgang fra deterministiske til sannsynlighetsbaserte tilnærminger

Reelle bruksområder for AIOps

Organisatoriske endringer drevet av AIOps

Forståelse av fortiden, forutsiing av framtiden

Måling av AIOps-effekten

Nøkkel-AIOps-metrikker for IT-operasjoner

Samspill mellom AIOps, DevOps og SRE

Forbedring av AI-nøyaktighet gjennom AIOps

Forbedring av systemobservabilitet

Sporing av AIOps-effekt på operasjoner

Kobling av AIOps-metrikker med DORA-indikatorer

Implementering av AIOps i organisasjonen

Unngåelse av vanlige fallgruver

Etikk og maskinlæring i AIOps

Implementeringsveier og strategier

Datakvalitet og prosessavstemning

Organisasjonskultur og støttende praksiser

Datareguleringer og overholdelse

Håndtering av ML-modellfeil

Privatliv og beskyttelse av brukerdata

Krav

Grundleggende forståelse av IT-terminologi og erfaring med å arbeide med informasjonsteknologi.
 14 timer

Antall deltakere


Price per participant

Testimonials (1)

Upcoming Courses

Related Categories