お問い合わせ

コース概要

予測型AIOps入門

  • IT運用における予測分析の基本概念とその意義
  • 予測に利用可能なデータソース(ログ・指標・イベント情報)
  • 時系列予測および異常パターン識別の要点

インシデント予測モデルの設計方法

  • 過去のインシデント事例やシステム挙動のデータラベリング手法
  • LSTM・Random Forest・AutoMLなどモデル選定および訓練方法
  • 精度評価指標の解釈と誤検知発生時の対応策

データ収集およびフィーチャー設計プロセス

  • モデル入力用ログや指標情報の適切な取得・同期処理方法
  • 構造化データおよび非構造化テキストからの特徴量抽出技術
  • 運用環境内における雑音や欠損値対処手法

根本原因解析(RCA)の自動化アプローチ

  • サービス間関係やインフラ構成を表すグラフ構造と関連性分析手法
  • 事象の連鎖パターンから発生しうる原因候補を推定する機械学習適用事例
  • ネットワーク構造情報と関連性を視覚化したダッシュボード実装例

復旧手順の自動化およびワークフロー設計

  • AnsibleやRundeckといった自動化管理ツールとの連携手法
  • サーバー再起動・通信経路変更などの緊急対応の手順自動化実例
  • 自動的に行われた修正作業の記録管理と監査方法について説明

インテリジェントなAIOpsパイプラインの大規模運用に向けた対策

  • 機械学習モデル再訓練の仕組みやバージョン管理手法の説明
  • 分散環境中で実際にリアルタイム予測を実行する構成設計方法
  • 本番環境内でのAIOps導入時の適切な運用規範と推奨事項

実践事例および業界応用例解説

  • 予測型AIOpsモデルを用いた既存インシデントデータ解析プロセス例
  • 実環境データおよび模擬データの両面からRCAパイプライン構築手順
  • クラウドサービス不具合・マイクロサービス間トラブル・ネットワーク障害時の適用事例紹介

講座まとめおよび今後の取り組みの方向性について

要求

  • PrometheusやELKなどの監視システムに関する実務経験
  • Pythonおよび機械学習の基礎的な知識
  • インシデント管理プロセスやワークフローに関する理解

対象となる受講者層

  • シニアレベルのサイト信頼性エンジニア(SRE)
  • IT自動化設計担当者
  • DevOpsチームおよび可観測性プラットフォームの責任者
 14 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー