お問い合わせ
 期間 14 時間

コース概要

オープンソースツールによるAIOps入門

  • AIOpsの概念と利点の概要
  • オブザーバビリティスタックにおけるPrometheusとGrafana
  • AIOpsにおけるMLの位置づけ:予測的アナリティクス vs. 反応的アナリティクス

PrometheusとGrafanaのセットアップ

  • 時系列データ収集のためのPrometheusのインストールと設定
  • リアルタイムメトリクスを用いたGrafanaでのダッシュボード作成
  • エクスポートア、リレーベル、サービスディスカバリーの探索

MLのためのデータ前処理

  • Prometheusメトリクスの抽出と変換
  • 異常検知や予測のためのデータセット準備
  • GrafanaのトランスフォーメーションまたはPythonパイプラインの利用

異常検知への機械学習の適用

  • 外れ値検出のための基本的なMLモデル(例:Isolation Forest, One-Class SVM)
  • 時系列データを用いたモデルの訓練と評価
  • Grafanaダッシュボードでの異常の可視化

MLによるメトリクスの予測

  • 簡易な予測モデルの構築(ARIMA, Prophet, LSTM入門)
  • システム負荷やリソース使用量の予測
  • 予測を活用した早期アラートおよびスケーリング判断

MLのアラート機能と自動化との統合

  • MLの出力や閾値に基づいたアラートルールの定義
  • Alertmanagerおよび通知ルーティングの使用
  • 異常検知時のスクリプトや自動化ワークフローのトリガー

AIOpsのスケーリングと運用化

  • 外部オブザーバビリティツールの統合(例:ELKスタック、Moogsoft、Dynatrace)
  • オブザーバビリティパイプラインでのMLモデルの運用化
  • 大規模AIOpsのためのベストプラクティス

まとめと次のステップ

要求

  • システム監視とオブザーバビリティの概念の理解
  • GrafanaまたはPrometheusの使用経験
  • Pythonおよび基本的な機械学習原理への習熟

対象者

  • オブザーバビリティエンジニア
  • インフラストラクチャおよびDevOpsチーム
  • 監視プラットフォームのアーキテクト、サイト信頼性エンジニア(SRE)

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