آموزش هوش مصنوعی کاربردی برای عملیات فناوری اطلاعات (AIOps)

Applied AI for IT Operations (AIOps)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: عملیات فناوری اطلاعات یکی از عملکردهای تجاری کلیدی برای شرکت های مدرن است. همانطور که مراکز داده بزرگ، توزیع شده و یکپارچه می شوند، نیاز به نظارت و مدیریت سخت افزار، نرم افزار، شبکه ها و داده ها به طور تصاعدی افزایش می یابد. و در حالی که عناصر یک شبکه هزاران داده را از نظر گزارش‌ها و رویدادها تولید می‌کنند، نیاز به جمع‌آوری و درک این داده‌ها برای پیش‌بینی نتایج آینده نیز در حال افزایش است. در این دوره یاد بگیرید که چگونه با استفاده از قدرت هوش مصنوعی چالش های رایج در عملیات فناوری اطلاعات را حل کنید. مربی Kumaran Ponnambalam مسائل کلیدی را که تیم‌های عملیات فناوری اطلاعات در عملیات روزانه خود با آن مواجه هستند، مرور می‌کند. او سپس چندین مورد استفاده در دنیای عملیات IT را بررسی می‌کند و به تفصیل توضیح می‌دهد که چگونه فناوری هوش مصنوعی می‌تواند فرآیندهایی مانند تجزیه و تحلیل علل ریشه‌ای را سرعت بخشد، زمان پاسخ‌دهی را در میز کمک IT شما و موارد دیگر بهبود بخشد. به علاوه، بیاموزید که چگونه هوش مصنوعی مولد بر عملیات IT تأثیر می گذارد. در طول مسیر، او از پایتون، نوت بوک های Jupyter، Keras و تکنیک های یادگیری عمیق برای قدم گذاشتن در راه حل های عملی استفاده می کند.

سرفصل ها و درس ها

معرفی Introduction

  • آنچه شما باید بدانید What you should know

  • هوش مصنوعی و کاربردهای فراوان آن Artificial intelligence and its many uses

1. عملیات فناوری اطلاعات و هوش مصنوعی 1. IT Operations and AI

  • مقدمه ای بر ITOs Introduction to ITOps

  • مروری بر موارد استفاده ITOs ITOps use cases overview

  • هوش مصنوعی و ITOs AI and ITOps

  • چالش های ITOps ITOps challenges

  • تنظیم فایل های تمرین Setting up the exercise files

2. از مورد 1 استفاده کنید: تحلیل علت ریشه ای 2. Use Case 1: Root Cause Analysis

  • پیش پردازش داده های RCA Preprocessing RCA data

  • داده ها برای تجزیه و تحلیل علت ریشه ای (RCA) Data for root cause analysis (RCA)

  • طبقه بندی با یادگیری عمیق Classification with deep learning

  • تحلیل علت ریشه ای چیست؟ What is root cause analysis?

  • پیش بینی علل ریشه ای با Keras Predicting root causes with Keras

  • ساخت مدل طبقه بندی با Keras Building a classification model with Keras

3. از مورد 2 استفاده کنید: میز خدمات خودیاری 3. Use Case 2: Self-Help Service Desk

  • خودکار کردن عملکردهای میز کمک Automating helpdesk functions

  • ایجاد مدل LSI Creating the LSI model

  • تحلیل معنایی پنهان (LSA) و نمایه سازی معنایی پنهان (LSI) Latent semantic analysis (LSA) and latent semantic indexing (LSI)

  • ساخت وکتور سند Building a document vector

  • توصیه سوالات متداول Recommending FAQs

  • داده ها برای میز کمک Data for the help desk

4. از مورد 3: پیش بینی بار سرویس استفاده کنید 4. Use Case 3: Service Load Forecasting

  • تست مدل سری زمانی Testing the time series model

  • پیش بینی بارهای خدمات آتی با Keras Forecasting future service loads with Keras

  • ساخت مدل LSTM با Keras Building an LSTM model with Keras

  • پیش بینی سری های زمانی Time series forecasting

  • آماده سازی داده های توالی Preparing sequence data

  • شبکه عصبی بازگشتی (RNN) و حافظه کوتاه مدت (LSTM) Recurrent neural network (RNN) and long short-term memory (LSTM)

5. سایر موارد استفاده ITOps 5. Other ITOps Use Cases

  • تجزیه و تحلیل ترافیک شبکه Network traffic analysis

  • پیش بینی هشدار Predicting alerting

  • تشخیص ناهنجاری Anomaly detection

  • دسته بندی حوادث Incident categorization

  • فیلتر اسپم Spam filtering

6. هوش مصنوعی مولد برای ITOs 6. Generative AI for ITOps

  • تولید متن با LLM Text generation with LLMs

  • بررسی هوش مصنوعی مولد Generative AI review

  • استخراج داده های لاگ Log data extraction

  • تولید کد برای اسکریپت ها Code generation for scripts

  • نمونه تولید کد Code generation example

  • ربات چت خودیاری مستندات Documentation self-help chatbot

  • خلاصه حوادث Incident summarization

7. بهترین روش های ITOps 7. ITOps Best Practices

  • مدل ارائه بهترین شیوه ها Model serving best practices

  • بهترین شیوه های امنیت و حفظ حریم خصوصی Security and privacy best practices

  • استفاده از پلتفرم های یادگیری ماشینی Using machine learning platforms

  • بهترین شیوه های توسعه مدل Model development best practices

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش هوش مصنوعی کاربردی برای عملیات فناوری اطلاعات (AIOps)
جزییات دوره
1h 31m
42
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
24,531
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kumaran Ponnambalam Kumaran Ponnambalam

اختصاص به آموزش علوم داده

V2 Maestros به آموزش علوم داده و داده های بزرگ با هزینه های مقرون به صرفه برای جهان اختصاص دارد. مربیان ما تجربه دنیای واقعی در تمرین علم داده و ارائه نتایج تجاری دارند. علم داده یک حوزه داغ و در حال رخ دادن در صنعت فناوری اطلاعات است. متأسفانه منابع موجود برای یادگیری این مهارت به سختی یافت می شود و گران است. امیدواریم این مشکل را با ارائه آموزش باکیفیت با نرخ های مقرون به صرفه، با ایجاد استعدادهای علم داده در سراسر جهان، کاهش دهیم.