お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
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)