آموزش اتوماسیون تشخیص و پاسخ به ناهنجاری‌ها با هوش مصنوعی - آخرین آپدیت

دانلود Automate AI Anomaly Detection & Response

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: یک قطعی سیستم به‌ندرت با داشبورد قرمز رنگ شروع می‌شود؛ بلکه معمولاً با یک ناهنجاری کوچک آغاز می‌گردد: جهش در تأخیر (Latency)، افزایش ناگهانی خطاها یا تغییر جزئی در ترافیک. هرچه سریع‌تر تشخیص دهید و پاسخ دهید، آسیب (و استرس) کمتری ایجاد خواهید کرد. در این دوره، شما یک چرخه کامل تشخیص و پاسخ به ناهنجاری را در Azure پیاده‌سازی خواهید کرد. شما یک اپلیکیشن را با Application Insights مجهز می‌کنید، رفتارهای غیرعادی را از طریق تشخیص هوشمند Azure Monitor، آستانه‌های پویا و توابع سری زمانی KQL شناسایی می‌کنید و سپس هشدارها را با استفاده از گروه‌های عملیاتی (Action Groups) و Logic Apps (همراه با Azure Functions اختیاری برای اصلاح سفارشی) به اقدام عملی تبدیل می‌کنید. شما یک گردش کار کاربردی را خواهید آموخت: انتخاب سیگنال مناسب، تعیین محدوده‌ها برای کاهش نویز، غنی‌سازی هشدارها با بافتار (Context) و خودکارسازی یک پاسخ منسجم شامل اطلاع‌رسانی به کانال درست، ثبت شواهد و اجرای یک مرحله کاهش اثر امن. این دوره برای متخصصان IT از جمله مهندسان DevOps، متخصصان SRE و مدیران Azure طراحی شده است که می‌خواهند نحوه خودکارسازی گردش کارهای تشخیص و پاسخ به ناهنجاری را در محیط‌های Azure یاد بگیرند. م学‌آموزان باید با ناوبری پایه در Azure Portal آشنا باشند؛ آشنایی با JSON و مفاهیم پایه مانیتورینگ نیز مفید است. پیش‌نیاز یادگیری ماشین (ML) وجود ندارد. در پایان، شما یک نقشه راه قابل استفاده مجدد (شامل پرس‌وجوها، قوانین هشدار و اتوماسیون) خواهید داشت که می‌توانید آن را با سیستم‌های واقعی تطبیق دهید تا مشکلات را زودتر شناسایی کرده و با اطمینان پاسخ دهید.

سرفصل ها و درس ها

telemetry-baselines-and-first-alerts Telemetry, Baselines, and First Alerts

  • welcome-to-automate-ai-anomaly-detection-&-response Welcome to Automate AI Anomaly Detection & Response

  • signals-101-metrics-logs-traces-and-baselines Signals 101: Metrics, Logs, Traces, and Baselines

  • built-in-anomaly-detection-through-smart-detection-and-dynamic-thresholds Built-in Anomaly Detection through Smart Detection and Dynamic Thresholds

  • instrument-an-app-and-create-your-first-alert Instrument an App and Create Your First Alert

kql-time-series-anomaly-detection KQL Time-Series Anomaly Detection

  • turning-logs-into-a-time-series-with-kql Turning Logs into a Time Series with KQL

  • anomaly-detection-with-kql-through-series-decomposition Anomaly Detection with KQL Through Series Decomposition

  • building-a-kql-anomaly-query-and-creating-a-log-alert-rule Building a KQL Anomaly Query and Creating a Log Alert Rule

  • suppression-dimensions-and-what-to-include Suppression, Dimensions, and What to Include

automate-triage-and-safe-mitigation  Automate Triage and Safe Mitigation

  • response-patterns-notify-triage-mitigate-and-learn Response Patterns: Notify, Triage, Mitigate, and Learn

  • action-groups-to-logic-apps-to-teams-or-ticketing Action Groups to Logic Apps to Teams or Ticketing

  • designing-safe-auto-remediation-without-making-it-worse Designing Safe Auto-Remediation Without Making it Worse

  • course-wrap-up Course Wrap-up

نمایش نظرات

آموزش اتوماسیون تشخیص و پاسخ به ناهنجاری‌ها با هوش مصنوعی
جزییات دوره
4h 3m
12
(آخرین آپدیت)
134
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده