Formation L’AIOps en action : Prévision des incidents et automatisation de l’analyse des causes profondes

Introduction à l’AIOps prédictive

• Vue d’ensemble de l’analytique prédictive dans les opérations informatiques
• Sources de données pour la prédiction (journaux, métriques, événements)
• Concepts clés en prévision par séries temporelles et modèles d’anomalies

Conception de modèles de prédiction des incidents

• Étiquetage des incidents historiques et du comportement système
• Choix et entraînement de modèles (p. ex. LSTM, Random Forest, AutoML)
• Évaluation des performances du modèle et gestion des faux positifs

Collecte de données et ingénierie des caractéristiques

• Ingestion et alignement des données de journaux et de métriques pour l’entrée du modèle
• Extraction de caractéristiques à partir de données structurées et non structurées
• Gestion du bruit et des données manquantes dans les pipelines opérationnels

Automatisation de l’analyse des causes profondes (RCA)

• Corrélation basée sur les graphes des services et de l’infrastructure
• Utilisation du ML pour déduire les causes profondes probables à partir de chaînes d’événements
• Visualisation de la RCA avec des tableaux de bord tenant compte de la topologie

Remédiation et automatisation des flux de travail

• Intégration avec les plateformes d’automatisation (p. ex. Ansible, Rundeck)
• Déclenchement de retours en arrière, de redémarrages ou de redirection de trafic
• Audit et documentation des interventions automatisées

Mise à l’échelle des pipelines AIOps intelligents

• MLOps pour l’observabilité : réentraînement et versionnage des modèles
• Exécution de prédictions en temps réel sur des nœuds distribués
• Meilleures pratiques pour le déploiement de l’AIOps dans les environnements de production

Études de cas et applications pratiques

• Analyse de données d’incidents réelles à l’aide de modèles AIOps prédictifs
• Déploiement de pipelines de RCA avec des données synthétiques et de production
• Revue d’utilisations industrielles : pannes cloud, instabilité des microservices, dégradations réseau

Résumé et prochaines étapes