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 con IA
- De los paneles a las conversaciones: el cambio hacia una observabilidad aumentada por IA.
- Capacidades de LLM relevantes para la observabilidad: resumen, razonamiento y coincidencia de patrones.
- Patrones de arquitectura: integrar IA en pilas de observabilidad existentes.
Consulta de telemetría con lenguaje natural
- Texto a PromQL: traducir lenguaje natural a consultas de monitoreo.
- Consultas 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
- Análisis automático y estructuración de registros con LLMs.
- Detección de anomalías en flujos de registros utilizando similitud de embeddings.
- Agrupamiento de registros y descubrimiento de patrones a gran escala.
- Generación de explicaciones legibles para humanos a partir de secuencias de registros crudos.
Alertas inteligentes y enriquecimiento de incidentes
- Correlación y deduplicación de alertas con comprensión semántica.
- Recolección automática de contexto del incidente a partir de runbooks, incidentes pasados y documentación.
- Encaminamiento inteligente de alertas basado en la comprensión del contenido y la experiencia del equipo.
- Reducción del cansancio por 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 multifuente.
- Cadena de evidencia: conectar síntomas entre métricas, registros y trazas.
- Resolución de problemas guiada con sesiones interactivas de diagnóstico por IA.
- Construcción de un agente de análisis de 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 postmortem con reconstrucción de cronología.
- Comunicación con partes interesadas adaptada a audiencias técnicas y ejecutivas.
- Sugerencia de runbooks y recomendaciones de remediación automatizada.
ML para observabilidad
- Pronóstico de series temporales para planificación de capacidad y predicción de anomalías.
- Modelos base para detección de anomalías en métricas sin entrenamiento previo (zero-shot).
- Mapeo de dependencias de servicios y descubrimiento de topología basado en embeddings.
- Entrenamiento y despliegue de modelos ligeros de ML junto a pipelines de observabilidad.
Despliegue en producción y ética
- Consideraciones de latencia y costo para la observabilidad en tiempo real con IA.
- Privacidad de los datos: asegurarse de que los LLMs no filtren telemetría sensible.
- Supervisión humana: cuándo el diagnóstico por IA necesita validación del operador.
- Medición del impacto: MTTD, MTTR y métricas de la experiencia de guardia.
Requerimientos
- Experiencia con herramientas de observabilidad como Prometheus, Grafana, Datadog u OpenTelemetry.
- Familiaridad con conceptos de gestión de registros y métricas.
- Programación básica en Python para procesamiento de datos.
Público objetivo
- Ingenieros de SRE y observabilidad adoptando herramientas mejoradas con IA.
- Ingenieros de plataforma construyendo pipelines de monitoreo de próxima generación.
- Líderes de DevOps evaluando la integración de LLMs en flujos de trabajo de incidentes.
14 Horas
