هوش مصنوعی کاربردی برای عملیات فناوری اطلاعات (AIOps)

مدرس Kumaran Ponnambalam

انتشار 2020/08/05

به‌روز‌رسانی 2024/01/12

مدت زمان 1h 31m

سطح متوسط

فایل تمرینی دارد

آموزش Applied AI for IT Operations (AIOps)

عملیات فناوری اطلاعات یکی از عملکردهای تجاری کلیدی برای شرکت های مدرن است. همانطور که مراکز داده بزرگ، توزیع شده و یکپارچه می شوند، نیاز به نظارت و مدیریت سخت افزار، نرم افزار، شبکه ها و داده ها به طور تصاعدی افزایش می یابد. و در حالی که عناصر موجود در یک شبکه هزاران داده را از نظر گزارش‌ها و رویدادها تولید می‌کنند، نیاز به جمع‌آوری و درک این داده‌ها برای پیش‌بینی نتایج آینده نیز در حال افزایش است. در این دوره یاد بگیرید که چگونه چالش های رایج در عملیات فناوری اطلاعات را با استفاده از قدرت هوش مصنوعی حل کنید. مربی Kumaran Ponnambalam مسائل کلیدی را که تیم های عملیات فناوری اطلاعات در عملیات روزانه خود با آن مواجه می شوند، مرور می کند. او سپس چندین مورد استفاده در دنیای عملیات IT را بررسی می‌کند و به تفصیل توضیح می‌دهد که چگونه فناوری هوش مصنوعی می‌تواند فرآیندهایی مانند تجزیه و تحلیل علت ریشه‌ای را سرعت بخشد، زمان پاسخ‌دهی را در میز کمک فناوری اطلاعات شما بهبود بخشد و موارد دیگر. در طول مسیر، او از پایتون، نوت بوک های Jupyter، Keras و تکنیک های یادگیری عمیق برای قدم گذاشتن در راه حل های عملی استفاده می کند.

Artificial Intelligence (AI) IT Operations IT Operations Management Machine Learning

Introduction

Artificial intelligence and its many uses ()

What you should know ()

1. IT Operations and AI

Introduction to ITOps ()

ITOps challenges ()

AI and ITOps ()

ITOps use cases overview ()

Setting up the exercise files ()

2. Use Case 1: Root Cause Analysis

What is root cause analysis? ()

Classification with deep learning ()

Data for root cause analysis (RCA) ()

Preprocessing RCA data ()

Building a classification model with Keras ()

Predicting root causes with Keras ()

3. Use Case 2: Self-Help Service Desk

Automating helpdesk functions ()

Latent semantic analysis (LSA) and latent semantic indexing (LSI) ()

Data for the help desk ()

Building a document vector ()

Creating the LSI model ()

Recommending FAQs ()

4. Use Case 3: Service Load Forecasting

Time series forecasting ()

Recurrent neural network (RNN) and long short-term memory (LSTM) ()

Preparing sequence data ()

Building an LSTM model with Keras ()

Testing the time series model ()

Forecasting future service loads with Keras ()

5. Other ITOps Use Cases

Anomaly detection ()

Predicting alerting ()

Incident categorization ()

Spam filtering ()

Network traffic analysis ()

6. Generative AI for ITOps

Generative AI review ()

Text generation with LLMs ()

Log data extraction ()

Incident summarization ()

Documentation self-help chatbot ()

Code generation for scripts ()

Code generation example ()

7. ITOps Best Practices

Model development best practices ()

Using machine learning platforms ()

Model serving best practices ()

Security and privacy best practices ()

Conclusion

Next steps ()

Ex_Files_Applied_AI_IT_Ops_2024.zip (414 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.