Kursplan

Innføring i AIOps

Opprinnelsen og utviklingen av AIOps

Vektens betydning av AIOps i moderne IT

AIOps vs. IT Operations Analytics – viktigste forskjeller

Kjernteknologier og -konsepter

AIOps-systemets livssyklus

Relaterte praksiser og metodikker

AIOps i organisatorisk kontekst

Nøkkeldrivere og påverkende faktorer

Integrering med DevOps

AIOps' rolle i Site Reliability Engineering (SRE)

AIOps og IT-sikkerhetsomgivelser

Data, telemetri og systemkompleksitet

Et nytt paradigme for å forstå systemhelsen

Kjernteknologier – Data

Hva er Big Data?

De 5 Vene i Big Data

Karakteristikk ved Big Data i AIOps

Datascerer og typer i AIOps-miljøer

Datadiversitet og utfordringer med dataforarbeidelse

Kjernteknologier – Maskinlæring (ML)

AI, ML og deres rolle i AIOps

Supervisert vs. u-supervisert læring i AIOps

Maskinlæring vs. tradisjonell analyse

ML-modeller og deres anvendelse i AIOps

Fremtiden for AI i IT-operasjoner

Sammenligning av ML med dataanalysemetoder

AIOps og operasjonelle metrikker

Nøkkelmetrikker for IT-miljøer

Viktige indikatorer i ulike systemer

SLA, SLO og KPI – definisjoner og bruk

Hendelsesrelaterte metrikker: deteksjon og kategorisering

Tidsbaserte metrikker: MTTD, MTBF, MTTA, MTTR

Administrasjon av service level agreements (SLA)

Brukssammenhenger og organisatorisk mentalitetsendring

Fra reaktiv til proaktiv drift

Karakteristikk ved et reaktivt IT-operasjonsmodell

Overgang fra deterministiske til sannsynlighetsmessige tilnærminger

Reelle brukssammenhenger av AIOps

Organisatorisk endring drivet av AIOps

Forståelse av det forgåtte, forutsigelse av fremtiden

Måling av AIOps' innvirkning

Nøkkelmetrikker for AIOps i IT-operasjoner

Synergi mellom AIOps, DevOps og SRE

Forbedring av AI-nøyaktighet gjennom AIOps

Forbedring av systemobservabilitet

Sporing av AIOps' innvirkning på drift

Kobling mellom AIOps-metrikker og DORA-indikatorer

Innføring av AIOps i organisasjonen

Unngåelse av vanlige feil

Etikk og maskinlæring i AIOps

Implementeringsbaner og strategier

Datasøknad og prosessjustering

Organisatorisk kultur og støttemekanismer

Datatilpasnings- og overholdelsesregler

Behandling av ML-modelfeil

Personvern og brukerdatasikkerhet

Krav

Grunnleggende forståelse av IT-terminologi og erfaring med å jobbe med informasjonsteknologier.

 35 Timer

Antall deltakere


Pris per deltaker

Referanser (1)

Kommende kurs

Relaterte kategorier