Ponte en Contacto
 Duración 14 horas

Temario del curso

Introducción a AIOps con Herramientas de Código Abierto

  • Visión general de los conceptos y beneficios de AIOps
  • Prometheus y Grafana en la pila de observabilidad
  • El papel del ML en AIOps: analítica predictiva vs. reactiva

Configuración de Prometheus y Grafana

  • Instalación y configuración de Prometheus para la recopilación de series temporales
  • Creación de paneles en Grafana utilizando métricas en tiempo real
  • Exploración de exportadores, reetiquetado y descubrimiento de servicios

Preprocesamiento de Datos para ML

  • Extracción y transformación de métricas de Prometheus
  • Preparación de conjuntos de datos para la detección de anomalías y pronósticos
  • Uso de transformaciones de Grafana o tuberías de Python

Aplicación del Aprendizaje Automático para la Detección de Anomalías

  • Modelos básicos de ML para la detección de valores atípicos (p. ej., Isolation Forest, One-Class SVM)
  • Entrenamiento y evaluación de modelos con datos de series temporales
  • Visualización de anomalías en los paneles de Grafana

Pronóstico de Métricas con ML

  • Construcción de modelos de pronóstico simples (introducción a ARIMA, Prophet, LSTM)
  • Predicción de la carga del sistema o el uso de recursos
  • Uso de predicciones para alertas tempranas y decisiones de escalado

Integración de ML con Alertas y Automatización

  • Definición de reglas de alertas basadas en la salida de ML o umbrales
  • Uso de Alertmanager y el enrutamiento de notificaciones
  • Disparación de scripts o flujos de trabajo de automatización ante la detección de anomalías

Escala y Operacionalización de AIOps

  • Integración de herramientas de observabilidad externas (p. ej., pila ELK, Moogsoft, Dynatrace)
  • Operacionalización de modelos de ML en tuberías de observabilidad
  • Mejores prácticas para AIOps a gran escala

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los conceptos de monitoreo de sistemas y observabilidad
  • Experiencia en el uso de Grafana o Prometheus
  • Familiaridad con Python y principios básicos de aprendizaje automático

Público Objetivo

  • Ingenieros de observabilidad
  • Equipos de infraestructura y DevOps
  • Arquitectos de plataformas de monitoreo e ingenieros de fiabilidad del sitio (SRE)

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas