Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Il panorama dell’osservabilità assistita dall’IA
- Dalle dashboard alle conversazioni: l’evoluzione verso un osservabilità potenziata da AI
- Capacità dei modelli linguistici utili all’osservabilità: sintesi, ragionamento e riconoscimento di schemi
- Modelli architetturali per integrare l’IA negli stack esistenti di osservabilità
Interrogazione della telemetria tramite linguaggio naturale
- Dalla trasformazione del testo in PromQL: come convertire il linguaggio naturale in query di monitoraggio
- Interrogazione in italiano di database come Elasticsearch, OpenSearch e Loki
- Generazione automatica di istruzioni SQL a partire dal linguaggio comune per elaborare dati strutturati
- Creaione di un assistente conversazionale basato su modelli linguistici in grado di usare gli strumenti e comprenderne il contesto
Analisi dei log potenziata da modelli linguistici
- Elaborazione automatica e organizzazione dei log con l’ausilio di modelli linguistici
- Rilevamento delle anomalie nei flussi di log grazie al confronto delle rappresentazioni vettoriali
- Clustering e individuazione di schemi ricorrenti a livello massiccio di dati
- Generazione di spiegazioni comprensibili per gli utenti partendo da sequenze grezze di log
Avvisi intelligenti e arricchimento contestuale degli incidenti
- Correlazione e deduplicazione degli avvisi mediante comprensione semantica
- Raccolta automatica di informazioni utili agli incidenti partendo da guide operative, documentazione storica e altri dati rilevanti
- Instradamento intelligente degli avvisi in base al contenuto e alle competenze dei team interessati
- Riduzione della sovraccarico informativo per gli operatori grazie a sistemi di filtraggio alimentati da AI
Analisi delle cause radice assistita dall’IA
- Generazione automatica di ipotesi attraverso la correlazione di dati provenienti da fonti differenti
- Creazione di catene logiche che collegano i sintomi riscontrati in metriche, log e tracce digitali
- Guida pratica nella risoluzione dei problemi grazie a sessioni interattive di diagnosi gestite dall’IA
- Sviluppo di un agente dedicato all’analisi delle cause radice, in grado di procedere per fasi progressive nell’indagine
Risposta e comunicazione agli incidenti automatizzate
- Creazione automatica di sintesi dell’incidente e aggiornamenti sul suo stato a partire dai dati telemetrici
- Generazione di bozze per i post-mortem con ricostruzione cronologica dei fatti
- Comunicazioni mirate sia verso un pubblico tecnico che verso manager e stakeholder aziendali
- Suggerimenti operativi relativi alle procedure da seguire e raccomandazioni per la risoluzione rapida dei problemi
Applicazione del machine learning all’osservabilità
- Previsione dei trend temporali per ottimizzare la pianificazione delle capacità e anticipare le anomalie
- Utilizzo di modelli predittivi per individuare anomalie nei dati metrici senza necessità di addestramento preventivo
- Mappatura automatica delle relazioni tra servizi e analisi della topologia dell’infrastruttura tramite tecniche vettoriali
- Addestramento ed implementazione di modelli leggeri in sinergia con le infrastrutture di osservabilità esistenti
Deployment in produzione e considerazioni etiche
- Ottimizzazione della latenza e dei costi per garantire un impiego in tempo reale dell’osservabilità IA-driven
- Tutela della privacy: prevenzione di fuoriuscite indesiderate di dati sensibili da parte dei modelli linguistici
- Monitoraggio umano obbligatorio in fasi critiche, laddove le diagnosi effettuate dall’IA richiedano validazione manuale
- Misurazione dell’efficacia raggiunta: indici come MTTD e MTTR e parametri legati all’esperienza complessiva dei team di on-call
Requisiti
- Esperienza nell’utilizzo di strumenti di osservabilità come Prometheus, Grafana, Datadog o OpenTelemetry.
- Conoscenza dei concetti fondamentali legati alla gestione dei log e alle metriche.
- Competenze base nella programmazione Python per l’elaborazione di dati.
Destinatari del corso
- Ingegneri SRE e di osservabilità che desiderano implementare strumenti potenziati dall’IA.
- Ingegneri delle piattaforme impegnati nella creazione di pipeline di monitoraggio avanzate.
- Responsabili DevOps interessati a integrare modelli linguistici nei flussi di lavoro legati agli incidenti.
14 ore
