自我修復管線:利用 AI 進行自動事件偵測與恢復培訓
自我修復自動化是指運用智能系統偵測管線故障、識別根本原因並觸發即時恢復動作的一項實踐。
這門由導師帶領的實況培訓(線上或現場)專為希望將 AI 驅動的事件偵測與自動補救整合至交付管線中的進階專業人士而設。
完成此課程後,學員將具備以下能力:
- 使用基於 AI 的異常偵測模型監控管線。
- 設計自動恢復工作流程,以即時解決故障。
- 實施智能反饋循環,以防止問題重演。
- 增強 CI/CD 系統的整體韌性與可靠性。
課程形式
- 由專家主導的演示,輔以實際案例。
- 專注於管線可靠性挑戰的應用練習。
- 在實驗環境中動手開發自動解決方案。
課程客製化選項
- 如需針對貴機構的工作流程或事件應變需求進行內容調整,請聯繫我們以作安排。
課程簡介
自我修復管線的基礎
- 自主恢復的關鍵概念
- CI/CD 中常見的故障模式
- 提升管線穩定性的 AI 驅動方法
即時異常偵測
- 理解管線遙測資料來源
- 應用機器學習預測故障
- 運用 AI 模型偵測異常模式
事件識別與根本原因分析
- 自動分類事件類型
- 關聯日誌、追蹤記錄與指標
- 利用 AI 訊號隔離根本原因
自動恢復工作流程設計
- 定義自動補救動作
- 從基於 AI 的告警觸發工作流程
- 將應急預案與智能決策引擎整合
建立智能反饋循環
- 收集歷史故障資料
- 訓練模型以實現持續改進
- 確保管線行為的適配性學習
將自我修復能力整合至 CI/CD
- 在建構與部署階段嵌入自動化
- 支援混合式與多雲交付平台
- 與組織的 DevOps 治理對齊
進階可靠性模式
- 設計具備預測性韌性的管線
- 利用基於政策的決策系統
- 實施結合 AI 編排的備援策略
端到端自我修復管線實施
- 結合異常偵測、根本原因分析與自動補救
- 驗證已完成工作流程的韌性
- 確保工程師具備可觀測性與透明度
總結與下一步
最低要求
- 了解 CI/CD 流程
- 具備 DevOps 或 SRE 實務經驗
- 熟悉監控或可觀測性工具
目標受眾
- SRE(網站可靠性工程師)
- DevOps 負責人
- 平台可靠性工程師
需要幫助選擇合適的課程嗎?
macao@nobleprog.com 或 +852 81990613
自我修復管線:利用 AI 進行自動事件偵測與恢復培訓 - 詢問
自我修復管線:利用 AI 進行自動事件偵測與恢復 - 咨詢詢問
相關課程
AI 驅動的部署編排與自動回滾
14 小時AI for DevOps:將智能整合至 CI/CD 管線
14 小時適用於特徵旗標與灰度測試策略的 AI
14 小時AI 驅動的可觀測性:從日誌到 LLM 賦能的洞見
14 小時這門在 澳門(線上或線下)舉行的由講師主導的現場培訓,面向希望將 LLM 和 AI 整合到監控、警報和事件分析工作流中的可觀測性和 SRE 工程師。
AIOps 實務應用:事件預測與根本原因分析自動化
14 小時AIOps 基礎:監控、關聯與智慧告警
14 小時使用開源工具建立 AIOps 管線
14 小時在 澳門 進行的本場講師主導培訓中,學習如何使用開源工具構建端到端的 AIOps 管線。課程涵蓋 Prometheus、ELK 及自訂機器學習模型,深入探討可觀察性、異常檢測及自動化警報,讓您在真實的生產環境中掌握實用的動手技能。
AI驅動的測試生成與覆蓋率預測
14 小時在 CI/CD 中實現 AI 驅動的 QA 自動化
14 小時以人工智慧持續遵循合規:CI/CD 中的治理
14 小時Splunk、Moogsoft 與 Dynatrace 的企業級 AIOps
14 小時此 澳門 實地培訓指導中高階 IT 團隊如何整合 Splunk、Moogsoft 及 Dynatrace 以實現企業級 AIOps。課程涵蓋異常偵測、警報關聯及工作流程自動化,旨在降低 MTTR 並提升大規模環境下的營運效率。
使用 Prometheus、Grafana 和機器學習實施 AIOps
14 小時本場在 澳門 舉行的導師授課實作培訓,協助可觀察性專業人員利用 Prometheus、Grafana 和機器學習整合 AIOps。學員將配置可觀察性棧,應用機器學習進行異常檢測與預測,並構建用於自動化運維的智能告警規則。
LLMOps:生產環境中的大語言模型營運與治理
14 小時本培訓由講師主講,以線上或線下形式於 澳門 進行,旨在協助 ML 工程師與平台團隊建立可擴充且穩健的操作管道,用於大規模部署 LLM 驅動的應用程式。