دوره آموزشی هوش مصنوعی کاربردی برای عملیات فناوری اطلاعات (AIOps)

جزئیات دوره

عملیات IT یکی از کارکردهای اصلی تجارت برای شرکتهای مدرن است. با بزرگ شدن، توزیع و یکپارچه‌سازی مراکز داده، نیاز به نظارت و مدیریت سخت افزار، نرم افزار، شبکه‌ها و داده‌ها بصورت تصاعدی افزایش می‌یابد. و در حالی که عناصر موجود در یک شبکه، تنوع داده‌ای را از نظر logهای مربوط و رویدادها ایجاد می‌کنند، لزوم جمع آوری و درک این داده‌ها برای پیش بینی نتایج آینده نیز افزایش می‌یابد. در این دوره، یاد بگیرید که چگونه با استفاده از توان هوش مصنوعی، چالش‌های متداول را در عملیات IT حل کنید. مربی Kumaran Ponnambalam مسائل کلیدی را که تیمهای فناوری اطلاعات در عملیات روز-به-روز خود با آنها روبرو هستند، بررسی می‌کند. او سپس به چندین مورد استفاده در دنیای فناوری اطلاعات می‌پردازد و با جزئیات توضیح می‌دهد که چگونه فناوری هوش مصنوعی می‌تواند فرآیندی مانند تجزیه و تحلیل علت ریشه را سرعت بخشد، بار پاسخگویی را در کمک به فناوری اطلاعات شما بهبود بخشد و موارد دیگر. در طول راه، او با استفاده از Python, Jupyter Notebooks, Keras و تکنیک‌های یادگیری عمیق، قدم به قدم در راه حل‌های عملی پیش میرود.

سرفصل ها

0. مقدمه

01 - هوش مصنوعی و کاربردهای فراوان آن
02 - آنچه باید بدانید

1. عملیات فناوری اطلاعات و هوش مصنوعی

03 - مقدمه ای بر ITOs
04 - چالش‌های ITOps
05 - AI و ITOs
06 - مروری بر موارد استفاده ITOs
07 - راه‌اندازی فایل‌های تمرین

2. استفاده از مورد 1 - تجزیه‌و‌تحلیل علت ریشه

08 - تجزیه‌و‌تحلیل علت ریشه چیست
09 - طبقه بندی با یادگیری عمیق
10 - داده‌ها برای تجزیه‌و‌تحلیل علت ریشه (RCA)
11 - پیش پردازش داده‌های RCA
12 - ساخت مدل طبقه بندی با کراس
13 - پیش‌بینی علل ریشه ای با کراس

3. استفاده از مورد 2 - Self-Help Service Desk

14 - اتوماسیون عملکردهای میز کمک
15 - تحلیل معنایی پنهان (LSA) و پروفایل سازی معنایی پنهان (LSI)
16 - داده‌ها برای میز کمک
17 - ساخت وکتور سند
18 - ایجاد مدل LSI
19 - توصیه سؤالات متداول

4. از مورد 3 - پیش‌بینی بار سرویس استفاده کنید

20 - پیش‌بینی سری‌های زمانی
21 - شبکه عصبی بازگشتی (RNN) و حافظه کوتاه مدت طولانی (LSTM)
22 - تهیه داده‌های توالی
23 - ساخت مدل LSTM با Keras
24 - تست مدل سری زمانی
25 - پیش‌بینی بارهای خدمات آتی با Keras

5. سایر موارد استفاده ITOps

26 - تشخیص ناهنجاری
27 - پیش‌بینی هشدار
28 - دسته بندی حوادث
29 - فیلتر اسپم
30 - تحلیل ترافیک شبکه

6. هوش مصنوعی مولد برای ITOs

31 - بررسی هوش مصنوعی مولد
32 - تولید متن با LLM
33 - استخراج داده‌های لاگ
34 - خلاصه حوادث
35 - چت ربات خودیاری مستندات
36 - تولید کد برای اسکریپت ها
37 - مثال تولید کد

7. بهترین روش‌های ITOps

38 - بهترین شیوه‌های توسعه مدل
39 - استفاده از پلتفرم‌های یادگیری ماشینی
40 - الگوی ارائه بهترین شیوه ها
41 - بهترین شیوه‌های امنیت و حفظ حریم خصوصی

نتیجه

42 - مراحل بعدی