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 observabilidad impulsada por IA
- De los paneles de control a las conversaciones: el cambio hacia una observabilidad aumentada por IA.
- Capacidades de LLM relevantes para la observabilidad: resumimiento, razonamiento y coincidencia de patrones.
- Patrones de arquitectura: integrar IA en pilas de observabilidad existentes.
Consultas de telemetría en lenguaje natural
- De texto a PromQL: traducción de lenguaje natural a consultas de monitoreo.
- Consultas en lenguaje natural para almacenes de registros de Elasticsearch, OpenSearch y Loki.
- Generación de SQL a partir de lenguaje natural para telemetría estructurada.
- Desarrollo de un agente asistente de consultas con uso de herramientas y conciencia contextual.
Análisis de registros potenciado por LLM
- Analización y estructuración automatizada de registros con LLM.
- Detección de anomalías en flujos de registros utilizando similitud de incrustaciones (embeddings).
- Agrupación de registros y descubrimiento de patrones a gran escala.
- Generación de explicaciones legibles por humanos a partir de secuencias de registros en crudo.
Alertas inteligentes y enriquecimiento de incidentes
- Correlación y deduplicación de alertas con comprensión semántica.
- Recopilación automatizada de contexto de incidentes a partir de manuales de operación (runbooks), incidentes pasados 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 la causa raíz asistido por IA
- Generación de hipótesis a partir de la correlación de telemetría multiorigen.
- Cadenas de evidencias: conexión de síntomas entre métricas, registros y rastreo (traces).
- Resolución guiada de problemas con sesiones de diagnóstico interactivo con IA.
- Desarrollo de un agente de análisis de la causa raíz con investigación progresiva.
Respuesta automatizada a incidentes y comunicación
- Generación de resúmenes de incidentes y actualizaciones de estado a partir de telemetría.
- Borrado automatizado de análisis póstumo (postmortem) con reconstrucción de la línea de tiempo.
- Comunicación con las partes interesadas adaptada a audiencias técnicas y ejecutivas.
- Sugerencia de manuales de operación (runbooks) y recomendaciones de remediación automatizada.
Máquinas de aprendizaje para la observabilidad
- Predicción de series temporales para la planificación de capacidad y predicción de anomalías.
- Modelos base para la detección de anomalías sin ejemplos previos (zero-shot) en métricas.
- Mapeo de dependencias de servicios basado en incrustaciones (embeddings) y descubrimiento de topología.
- Entrenamiento e implementación de modelos ligeros de máquinas de aprendizaje junto con las tuberías de observabilidad.
Implementación en producción y ética
- Consideraciones de latencia y costo para la observabilidad en tiempo real con IA.
- Privacidad de datos: asegurar que los LLM no filtren telemetría sensible.
- Supervisión humana: cuándo el diagnóstico de IA requiere validación por operadores.
- Medición del impacto: MTTD, MTTR y métricas de la experiencia de guardia (on-call).
Requerimientos
- Experiencia con herramientas de observabilidad como Prometheus, Grafana, Datadog o OpenTelemetry.
- Conocimientos sobre gestión de registros y conceptos de métricas.
- Scripting básico en Python para el procesamiento de datos.
Público objetivo
- Ingenieros de SRE y observabilidad que adoptan herramientas mejoradas con IA.
- Ingenieros de plataforma que desarrollan tuberías de monitoreo de próxima generación.
- Líderes de DevOps que evalúan la integración de LLM en los flujos de trabajo de gestión de incidentes.
14 Horas
