Résumé du cours
L'AIOps (Intelligence Artificielle pour les opérations informatiques) est une approche qui utilise des capacités d'intelligence artificielle pour automatiser et améliorer les opérations informatiques. Il s'agit de combiner des techniques d'analyse de données, de Machine Learning et d'automatisation pour optimiser la gestion des systèmes informatiques et des infrastructures. L'AIOPs comble le fossé entre, d'une part, un paysage informatique de plus en plus diversifié, dynamique et difficile à surveiller et, d'autre part, les attentes des utilisateurs qui souhaitent des applications performantes et toujours (ou presque) disponibles. Cette formation vise à fournir aux participants les principes clés et les concepts fondamentaux ainsi que les technologies de base de l'AIOps : le Big Data et le Machine Learning. Elle prépare également au passage de la certification « AIOps Foundation℠ » proposée par le DevOps Institute.
A qui s'adresse cette formation
Tout professionnel impliqué dans les opérations informatiques. Inclus sans être restrictif :
- Data Analysts et Data Scientists ;
- Responsables informatiques ;
- Scrum Masters, Product Owners ;
- Ingénieurs logiciels ;
- Ingénieurs en fiabilité des sites ;
- Ingénieurs et praticiens DevOps…
Pré-requis
Il est recommandé d’avoir une bonne connaissance de la terminologie informatique ainsi qu’une première expérience dans le domaine IT
Objectifs
A l'issue de cette formation, vous serez en mesure de :
- Comprendre les concepts fondamentaux et les principes clés de l’AIOps ;
- Appréhender les concepts généraux du Big Data et de l’AI ainsi que la manière dont ils sont liés à l’AIOps ;
- Connaître la relation entre AIOPs et MLOps ;
- Être en mesure de quantifier les résultats d’une mise en œuvre d’AIOps à l’aide de métriques clés ;
- Comprendre les défis et les opportunités d’utilisation de l’AIOps dans l’entreprise ;
- Se préparer à la certification « AIOps Foundation℠ ».
Contenu
Introduction
Qu’est-ce que l’AIOps ?
- Historique et prédécesseurs.
- Technologies de base et concepts fondamentaux.
- Les étapes d'un système AIOps.
AIOps dans l’entreprise
- Facteurs et influences.
- AIOps et DevOps.
- AIOps et la fiabilité des sites.
- AIOps et la sécurité.
Au cœur des technologies : la donnée
- Qu’est-ce que le Big Data ?
- Les 5 V du Big Data.
- Sources et types de données utilisés dans AIOps.
- De la source à l’AIOps.
Machine Learning
- AI et Machine Learning (ML).
- Comment les modèles ML apprennent-ils ?
- Apprentissage supervisé ou non supervisé ?
- Analytique vs AI.
- L’avenir de l’IA dans les OPS.
AIOps et les métriques OPS
- Métriques et opérations.
- Métriques clés à suivre.
- Accords, objectifs et indicateurs.
Etat d’esprit des entreprises
- Passer de la réactivité à la proactivité.
- Du déterminisme au probabilisme.
- Cas d’utilisation.
Evaluer l’impact de l’AIOps
- AIOps et les métriques OPS.
- AIOps, DevOps et SRE.
- Améliorer la précision de l’AI.
- Visibilité du système AIOps.
Mettre en oeuvre AIOps dans l’entreprise
- Eviter les problèmes classiques.
- Ethique et ML.
- Les différentes voies d’implémentation.