Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
El panorama de la observabilidad con IA
- De los paneles de control a las conversaciones: el cambio hacia una observabilidad aumentada por IA.
- Capacidades de LLM relevantes para la observabilidad: resumen, razonamiento, coincidencia de patrones.
- Patrones de arquitectura: incorporación de IA en pilas de observabilidad existentes.
Consulta de telemetría en lenguaje natural
- De texto a PromQL: traducción de lenguaje natural a consultas de monitoreo.
- Consultas en lenguaje natural para Elasticsearch, OpenSearch y Loki (almacenes de registros).
- Generación de SQL a partir de lenguaje natural para telemetría estructurada.
- Creación de un agente asistente de consultas con uso de herramientas y concienciación contextual.
Análisis de registros potenciado por LLM
- Parseo y estructuración automatizados de registros con LLM.
- Detección de anomalías en flujos de registros mediante similitud de incrustaciones (embeddings).
- Agrupación de registros y descubrimiento de patrones a gran escala.
- Generación de explicaciones legibles para humanos a partir de secuencias de registros en bruto.
Alertas inteligentes y enriquecimiento de incidentes
- Correlación y deduplicación de alertas con comprensión semántica.
- Recopilación automatizada del contexto del incidente a partir de libros de ejecución (runbooks), incidentes anteriores y documentación.
- Ruteo inteligente de alertas basado en la comprensión del contenido y la experiencia del equipo.
- Reducción de la fatiga de alertas mediante reducción de ruido impulsada por IA.
Análisis de causa raíz asistido por IA
- Generación de hipótesis a partir de la correlación de telemetría multifuente.
- Cadena de evidencia: conexión de síntomas entre métricas, registros y rastros (traces).
- Solucionar problemas guiados mediante sesiones interactivas de diagnóstico con IA.
- Construcción de un agente de análisis de causa raíz con investigación progresiva.
Respuesta automatizada a incidentes y comunicación
- Generación de resúmenes de incidentes y actualizaciones de estado a partir de la telemetría.
- Borrado automatizado de informes postmortem con reconstrucción de la línea temporal.
- Comunicación con partes interesadas adaptada a audiencias técnicas y ejecutivas.
- Sugerencia de libros de ejecución y recomendaciones de remediación automatizadas.
ML para observabilidad
- Pronóstico de series temporales para la planificación de capacidad y predicción de anomalías.
- Modelos fundamentales para detección de anomalías sin precedentes (zero-shot) en métricas.
- Mapeo de dependencias de servicios y descubrimiento de topología basados en incrustaciones (embeddings).
- Entrenamiento y despliegue de modelos de ML ligeros junto a los pipelines de observabilidad.
Despliegue en producción y ética
- Consideraciones de latencia y costos para la observabilidad con IA en tiempo real.
- Privacidad de datos: garantizar que los LLM no filtren telemetría sensible.
- Supervisión humana: cuándo el diagnóstico por IA necesita validación por parte del operador.
- Medición del impacto: MTTD, MTTR y métricas de la experiencia en guardia (on-call).
Requerimientos
- Experiencia con herramientas de observabilidad como Prometheus, Grafana, Datadog u OpenTelemetry.
- Conocimiento de los conceptos de gestión de registros y métricas.
- Domínio básico de scripting en Python para el procesamiento de datos.
Público objetivo
- Ingenieros de SRE y observabilidad que adoptan herramientas mejoradas con IA.
- Ingenieros de plataforma que construyen pipelines de monitoreo de nueva generación.
- Líderes de DevOps que evalúan la integración de LLM en los flujos de trabajo de incidentes.
14 Horas
