Ponte en Contacto
 Duración 14 horas

Temario del curso

Diseño de una arquitectura de AIOps abierta

  • Resumen de los componentes clave en pipelines de AIOps abiertos
  • Flujo de datos desde la ingesta hasta la generación de alertas
  • Comparación de herramientas y estrategia de integración

Recolección y Agregación de Datos

  • Ingesta de datos de serie temporal con Prometheus
  • Captura de registros con Logstash y Beats
  • Normalización de datos para la correlación entre múltiples fuentes

Construcción de Tableros de Observabilidad

  • Visualización de métricas con Grafana
  • Creación de tableros en Kibana para el análisis de registros
  • Uso de consultas de Elasticsearch para extraer información operativa

Detección de Anomalías y Predicción de Incidentes

  • Exportación de datos de observabilidad a pipelines de Python
  • Entrenamiento de modelos de aprendizaje automático para la detección de valores atípicos y predicción
  • Despliegue de modelos para inferencia en vivo en el pipeline de observabilidad

Alertas y Automatización con Herramientas Abiertas

  • Creación de reglas de alerta de Prometheus y enrutamiento de Alertmanager
  • Activación de scripts o flujos de trabajo de API para respuesta automática
  • Uso de herramientas de orquestación de código abierto (p. ej., Ansible, Rundeck)

Consideraciones sobre Integración y Escalabilidad

  • Gestión de ingesta de alto volumen y retención a largo plazo
  • Seguridad y control de acceso en pilas de tecnología de código abierto
  • Escala de cada capa de forma independiente: ingesta, procesamiento, alertas

Aplicaciones y Extensiones del Mundo Real

  • Estudios de caso: ajuste de rendimiento, prevención de caídas y optimización de costos
  • Extensión de pipelines con herramientas de trazado o gráficos de servicios
  • Mejores prácticas para ejecutar y mantener AIOps en producción

Resumen y Próximos Pasos

Requerimientos

  • Experiencia con herramientas de observabilidad como Prometheus o ELK
  • Conocimiento práctico de Python y fundamentos del aprendizaje automático
  • Comprensión de las operaciones de TI y flujos de trabajo de alertas

Público Objetivo

  • Ingenieros de confiabilidad del sitio (SRE) de nivel avanzado
  • Ingenieros de datos que trabajan en operaciones
  • Líderes de plataformas DevOps y arquitectos de infraestructura

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas