Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
El panorama de la visibilidad con IA
- De los paneles de control a las conversaciones: el cambio hacia una visibilidad aumentada por IA
- Capacidades de LLM relevantes para la visibilidad: resúmenes, razonamiento, coincidencia de patrones
- Patrones de arquitectura: incorporar IA en los pilares existentes de visibilidad
Consulta de telemetría con lenguaje natural
- De texto a PromQL: traducir lenguaje natural a consultas de monitorización
- Consultas en NL para almacenes de registros de Elasticsearch, OpenSearch y Loki
- Generación de SQL a partir de lenguaje natural para telemetría estructurada
- Construcción de un agente asistente de consultas con uso de herramientas y conciencia contextual
Análisis de registros potenciado por LLM
- Procesamiento y estructuración automatizada de registros con LLM
- Detección de anomalías en flujos de registros mediante similitud de embeddings
- Agrupación de registros y descubrimiento de patrones a gran escala
- Generación de explicaciones legibles para humanos a partir de secuencias de registros en bruto
Alertas inteligentes y enriquecimiento de incidentes
- Correlación y deduplicación de alertas con comprensión semántica
- Recopilación automatizada del contexto del incidente a partir de manuales de procedimientos (runbooks), incidentes anteriores y documentación
- Ruteo inteligente de alertas basado en la comprensión del contenido y la experiencia del equipo
- Reducción de la fatiga de alertas mediante reducción de ruido impulsada por IA
Análisis de causa raíz asistido por IA
- \r
- Generación de hipótesis a partir de la correlación de telemetría de múltiples fuentes
- Cadenas de evidencia: conexión de síntomas entre métricas, registros y trazas
- Resolución guiada de problemas con sesiones de diagnóstico interactivo con IA
- Construcción de un agente de análisis de causa raíz con investigación progresiva
Respuesta y comunicación automatizadas ante incidentes
- Generación de resúmenes de incidentes y actualizaciones de estado a partir de telemetría
- Redacción automatizada de informes postmortem con reconstrucción de la línea temporal
- Comunicación con partes interesadas adaptada a audiencias técnicas y ejecutivas
- Sugerencia de manuales de procedimiento (runbooks) y recomendaciones de remediación automatizada
ML para la visibilidad
- Pronóstico de series temporales para la planificación de capacidad y la predicción de anomalías
- Modelos fundamentales para la detección de anomalías en cero disparos (zero-shot) sobre métricas
- Mapeo de dependencias de servicios basado en embeddings y descubrimiento de topología
- Entrenamiento e implementación de modelos ligeros de ML junto a los pipelines de visibilidad
Implementación en producción y ética
- Consideraciones de latencia y coste para la visibilidad con IA en tiempo real
- Privacidad de datos: garantizar que los LLM no filtren telemetría sensible
- Supervisión humana: cuándo el diagnóstico de IA requiere validación por parte del operador
- Medición del impacto: MTTD, MTTR y métricas de la experiencia de guardia
Requerimientos
- Experiencia con herramientas de visibilidad como Prometheus, Grafana, Datadog u OpenTelemetry.
- Conocimiento de los conceptos de gestión de registros y métricas.
- Conocimientos básicos de programación en Python para el procesamiento de datos.
Público objetivo
- Ingenieros de SRE y visibilidad que adoptan herramientas mejoradas con IA.
- Ingenieros de plataforma que desarrollan pipelines de monitorización de próxima generación.
- Líderes de DevOps que evalúan la integración de LLM en los flujos de trabajo de incidentes.
14 Horas
