جلد سخت سیاه و سفید
Product details
- Publisher : Apress; 1st ed. edition (July 21, 2022)
- Language : English
- Paperback : 266 pages
- ISBN-10 : 1484282663
- ISBN-13 : 978-1484282663
کتاب Hands-on AIOps: Best Practices Guide to Implementing AIOps
Welcome to your hands-on guide to artificial intelligence for IT operations (AIOps). This book provides in-depth coverage, including operations and technical aspects. The fundamentals of machine learning (ML) and artificial intelligence (AI) that form the core of AIOps are explained as well as the implementation of multiple AIOps uses cases using ML algorithms.
The book begins with an overview of AIOps, covering its relevance and benefits in the current IT operations landscape. The authors discuss the evolution of AIOps, its architecture, technologies, AIOps challenges, and various practical use cases to efficiently implement AIOps and continuously improve it. The book provides detailed guidance on the role of AIOps in site reliability engineering (SRE) and DevOps models and explains how AIOps enables key SRE principles.
The book provides ready-to-use best practices for implementing AIOps in an enterprise. Each component of AIOps and ML using Python code and templates is explained and shows how ML can be used to deliver AIOps use cases for IT operations.
What You Will Learn
- Know what AIOps is and the technologies involved
- Understand AIOps relevance through use cases
- Understand AIOps enablement in SRE and DevOps
- Understand AI and ML technologies and algorithms
- Use algorithms to implement AIOps use cases
- Use best practices and processes to set up AIOps practices in an enterprise
- Know the fundamentals of ML and deep learning
- Study a hands-on use case on de-duplication in AIOps
- Use regression techniques for automated baselining
- Use anomaly detection techniques in AIOps
Who This Book is For
AIOps enthusiasts, monitoring and management consultants, observability engineers, site reliability engineers, infrastructure architects, cloud monitoring consultants, service management experts, DevOps architects, DevOps engineers, and DevSecOps experts
منابع کتاب کتاب Hands-on AIOps: Best Practices Guide to Implementing AIOps
به راهنمای عملی هوش مصنوعی برای عملیات فناوری اطلاعات (AIOps) خوش آمدید. این کتاب پوشش عمیقی از جمله عملیات و جنبه های فنی ارائه می دهد. اصول یادگیری ماشین (ML) و هوش مصنوعی (AI) که هسته AIOps را تشکیل می‌دهند و همچنین پیاده‌سازی چندین AIOps با استفاده از موارد با استفاده از الگوریتم‌های ML توضیح داده شده‌اند.
این کتاب با مروری بر AIOps آغاز می‌شود، که ارتباط و مزایای آن در چشم‌انداز عملیات فعلی فناوری اطلاعات را پوشش می‌دهد. نویسندگان در مورد تکامل AIOps، معماری، فن‌آوری‌ها، چالش‌های AIOps و موارد استفاده عملی مختلف برای پیاده‌سازی موثر AIOps و بهبود مستمر آن بحث می‌کنند. این کتاب راهنمایی دقیق در مورد نقش AIOps در مهندسی قابلیت اطمینان سایت (SRE) و مدل‌های DevOps ارائه می‌کند و توضیح می‌دهد که چگونه AIOps اصول کلیدی SRE را فعال می‌کند.
این کتاب بهترین شیوه های آماده برای استفاده را برای پیاده سازی AIOps در یک سازمان ارائه می دهد. هر جزء از AIOps و ML با استفاده از کدها و الگوهای Python توضیح داده شده است و نشان می دهد که چگونه ML می تواند برای ارائه موارد استفاده AIOps برای عملیات IT استفاده شود.
آنچه شما یاد خواهید گرفت
- بدانید که AIOps چیست و فناوری های مربوط به آن چیست
- ارتباط AIOps را از طریق موارد استفاده درک کنید
- فعال سازی AIOps در SRE و DevOps را درک کنید
- فناوری ها و الگوریتم های هوش مصنوعی و ML را درک کنید
- از الگوریتم ها برای پیاده سازی موارد استفاده AIOps استفاده کنید
- از بهترین شیوه ها و فرآیندها برای راه اندازی شیوه های AIOps در یک شرکت استفاده کنید
- اصول ML و یادگیری عمیق را بدانید
- یک مورد استفاده عملی در مورد حذف مجدد در AIOps را مطالعه کنید
- از تکنیک های رگرسیون برای خط پایه خودکار استفاده کنید
- از تکنیک های تشخیص ناهنجاری در AIOps استفاده کنید
این کتاب برای چه کسی است
علاقه مندان به AIOps، مشاوران نظارت و مدیریت، مهندسان قابلیت مشاهده، مهندسان قابلیت اطمینان سایت، معماران زیرساخت، مشاوران نظارت بر ابر، کارشناسان مدیریت خدمات، معماران DevOps، مهندسان DevOps، و کارشناسان DevSecOps
ارسال نظر درباره کتاب Hands-on AIOps: Best Practices Guide to Implementing AIOps