智能运维（AIOps）课程
课程天数：2天
课程介绍
人工智能和机器学习不断发展，传统的IT运维，也从自动化运维升级到AIOps时代。如何将AIOps技术应用到企业及个人的实际运维工作中显得尤为重要。本课程通过对AI理论，算法，实操，以及案例的介绍，帮助大家深入理解AIOps，并将其实际运用到工作中。
课程收益
掌握AIOps的主要算法，通过算法实操，结合腾讯的具体AIOps应用案例，手把手教大家如何在实际工作中玩转AIOps，解决运维难题。
从自动化到智能化，从被动运维到主动运维。
培训对象
有一定基础的运维工程师；
运维、开发、架构及DevOps工程师；
对智能运维感兴趣的技术人员；
由传统运维向智能运维转型的技术人员。
课程大纲
第一单元：AIOps简介
1、目标：了解目前人工智能可适用的运维领域和场景。帮助学员更好地理解AIOps；
2、内容：人工智能和运维领域能相结合的领域总览，包括监控，扩容，瓶颈等等；
第二单元：运维数据模型
1、目标：深入了解为达到AIOps前期的具体数据层面工作拆分；
2、内容：运维数据模型；
• 监控对象
• 指标体系
• 数据模型
• 数据采集
第三单元：AI下数据的运维场景运用
1、目标：通过事例和大型互联网运维场景，透彻讲解人工智能时代数据的运用方式；
2、内容：AI下数据的运维场景运用；
• 日志服务
• 数据接入、数据解析
• 日志查询、日志告警、多租户
• 数据加工厂
• 数据接入、流式处理
• OLAP存储、数据API
• 多维监控
• 查询条件、指标配置
• 多维分析、多维告警
• 数据消费
• 即席查询、仪表盘、报表
第四单元：机器学习与AI概述
1、目标：掌握机器学习的分类和度量，并且能实际操作和了解该算法是如何达到目的；
2、内容：
• 背景介绍： AI的前世今生；
• 机器学习总览： 分类和度量；
• 机器学习算法原理详解：
• 有监督算法：决策树、贝叶斯算法、线性回归/逻辑回归、随机森林
• 无监督算法：关联规则、聚类算法
• 时间序列算法：ARIMA、Holt-Winters
• NLP：文本检索算法、深度学习算法
• 运维场景下的机器学习应用概述
第五单元：机器学习算法应用入门实操
1、目标：掌握机器学习的分类和度量，并且能实际操作和了解该算法是如何达到目的；
2、内容：针对前一章的主要算法做实操演示，提供环境、算法说明文档、示例说明；
第六单元：运维场景下的智能运维
1、目标：结合算法，分析大型互联网内部AIOps的具体案例，帮助复用到学员的具体工作中；
2、内容：运维场景下的智能运维案例；
• 时间序列检测：(率值和量值）DLP、Monitor
• 自然语言处理：智能客服&舆情监控
• 根因分析：Root & 哈勃多维监控
