<902> 교육 과정

AI for DevOps는 인공지능을 통해 연속 통합, 테스트, 배포, 제공 과정을 지능적인 자동화와 최적화 기법을 사용하여 향상시키는 것입니다.

이 강사는 AI와 머신러닝을 CI/CD 파이프라인으로 통합하여 속도, 정확성, 품질을 향상시키기를 원하는 중급 수준의 DevOps 전문가를 대상으로 합니다.

이 강의를 마친 후, 참가자는 다음을 할 수 있게 됩니다.

• CI/CD 워크플로우에 AI 도구를 통합하여 지능적인 자동화.
• AI 기반 테스트, 코드 분석, 변경 영향 탐지를 적용.
• 예측 통찰력을 사용하여 빌드 및 배포 전략 최적화.
• AI 강화 피드백 루프를 사용하여 추적 가능성과 지속적인 개선 구현.

강좌 형식

• 상호작용 강의 및 토론.
• 많은 연습과 예제.
• 라이브 랩 환경에서 직접 구현.

강좌 맞춤화 옵션

• 이 강좌에 맞춤형 교육을 요청하려면, 문의하여 안내해 드리겠습니다.

AIOps (인프라 운영을 위한 인공지능) 은 사고가 발생하기 전에 예측하고, 루트 원인 분석(RCA)을 자동화하여 다운타임을 최소화하고 해결 속도를 높이는 데 increasingly being used to predict incidents before they occur and automate root cause analysis (RCA) to minimize downtime and accelerate resolution.

이 강사는 예측 분석을 구현하고, 복구 작업을 자동화하며, AIOps 도구와 머신러닝 모델을 사용하여 지능적인 RCA 워크플로우를 설계하고자 하는 고급 IT 전문가를 위한 온라인 또는 오프라인 교육과정을 진행합니다.

이 교육과정을 마친 후, 참가자들은 다음을 수행할 수 있습니다:

• 시스템 장애로 이어지는 패턴을 감지하기 위해 ML 모델을 구축하고 훈련합니다.
• 다중 소스 로그 및 메트릭 상관관계를 기반으로 RCA 워크플로우를 자동화합니다.
• 경고 및 복구 과정을 기존 플랫폼에 통합합니다.
• 생산 환경에서 지능적인 AIOps 파이프라인을 배포하고 확장합니다.

과정 형식

• 상호작용형 강의 및 토론.
• 많은 연습과 문제 해결.
• 실습 환경을 통해 직접 구현.

과정 맞춤화 옵션

• 이 과정에 대한 맞춤형 교육을 요청하려면, 연락하여 안내받으세요.

AIOps (IT 운영을 위한 인공지능)은 머신러닝과 분석을 적용하여 IT 운영을 자동화하고 개선하는 실천으로, 특히 모니터링, 인시던트 탐지 및 대응 분야에서 중요합니다.

이 강사는 중급 수준의 IT 운영 전문가를 대상으로 하며, AIOps 기술을 사용하여 지표와 로그를 상관관계 분석하고, 경고 소음을 줄이며, 지능형 자동화를 통해 관찰 가능성을 향상시키고자 하는 분들을 대상으로 합니다.

이 강좌를 통해 참가자들은 다음을 할 수 있게 됩니다.

• AIOps 플랫폼의 원칙과 아키텍처를 이해합니다.
• 로그, 지표, 트레이스를 통해 데이터의 원인을 찾아냅니다.
• 지능형 필터링과 소음 억제를 통해 경고 피로감을 줄입니다.
• 오픈 소스 또는 상용 도구를 사용하여 인시던트를 자동으로 모니터링하고 대응합니다.

강좌 형식

• 상호작용 강의 및 토론.
• 많은 연습과 과제.
• 라이브 랩 환경에서 직접 구현.

강좌 커스터마이징 옵션

• 이 강좌에 대한 맞춤형 교육을 요청하려면, 연락 주세요.

오픈 소스 도구로만 구성된 AIOps 파이프라인을 통해 팀은 생산 환경에서 비용 효율적이고 유연한 관찰 가능성, 이상 탐지, 그리고 지능형 경고 솔루션을 설계할 수 있습니다.

이 강사는 고급 수준의 엔지니어들이 Prometheus, ELK, Grafana, 그리고 커스텀 ML 모델을 사용하여 종단 간 AIOps 파이프라인을 구축하고 배포하는 데 목표를 두고 있습니다.

이 강의를 통해 참가자들은 다음을 할 수 있게 됩니다:

• 오픈 소스 구성 요소만 사용하여 AIOps 아키텍처를 설계합니다.
• 로그, 메트릭, 그리고 트레이스에서 데이터를 수집하고 정규화합니다.
• ML 모델을 사용하여 이상을 탐지하고 사고를 예측합니다.
• 오픈 소스 도구를 사용하여 경고와 복구 작업을 자동화합니다.

강의 형식

• 상호작용형 강의와 논의
• 많은 연습과 실습
• 라이브 랩 환경에서 직접 구현

강의 맞춤화 옵션

• 이 강의를 맞춤형으로 요청하려면, 맞춤형 교육을 진행하기 위해 문의하세요.

AI 기반 QA 자동화는 스마트 테스트 케이스를 생성하고, 회귀 커버리지를 최적화하며, CI/CD 파이프라인으로 스케일러블하고 신뢰할 수 있는 소프트웨어 제공을 위한 지능형 품질 게이트를 통합하여 전통적인 테스트를 강화합니다.

이 인스트럭터 리드형 라이브 교육(온라인 또는 오프사이트)은 AI 도구를 사용하여 지속적인 통합 및 배포 워크플로우에서 품질 보증을 자동화하고 확장하기를 원하는 중급 QA 및 DevOps 전문가를 대상으로 합니다.

이 교육을 마치면 참가자는 다음을 할 수 있게 됩니다:

• AI 기반 자동화 플랫폼을 사용하여 테스트를 생성, 우선순위 지정 및 유지 관리합니다.
• CI/CD 파이프라인으로 지능형 QA 게이트를 통합하여 회귀를 방지합니다.
• 탐색 테스트, 결함 예측 및 테스트 불일치 분석에 AI를 사용합니다.
• 빠른 이동형 애자일 프로젝트에서 테스트 시간을 최적화하고 커버리지를 확장합니다.

강의 형식

• 상호작용형 강의 및 토론.
• 많은 연습과 실습.
• 라이브 랩 환경에서 직접 구현.

강의 맞춤화 옵션

• 이 강의를 맞춤화된 교육을 요청하려면, 양해해 주시기 바랍니다.

GitHub Copilot은 YAML 구성 파일 작성, GitHub Actions 및 배포 스크립트 작성과 같은 DevOps 작업을 포함하여 개발 작업을 자동화하는 데 도움이 되는 AI 기반 코딩 보조 도구입니다.

이 인스트럭터가 직접 가르치는 라이브 교육(온라인 또는 현장)은 GitHub Copilot을 사용하여 DevOps 작업을 간소화하고 자동화 및 생산성을 향상시키기를 원하는 초급에서 중급 수준의 전문가를 대상으로 합니다.

이 교육을 마친 후 참가자는 다음을 할 수 있게 됩니다:

• GitHub Copilot을 사용하여 셸 스크립팅, 구성 및 CI/CD 파이프라인 지원.
• YAML 파일 및 GitHub Actions에서 AI 코드 완성을 활용.
• 테스트, 배포 및 자동화 워크플로우 가속화.
• AI의 제한 사항 및 모범 사례를 이해하여 Copilot을 책임감 있게 적용.

수업 형식

• 대화형 강의 및 토론.
• 다양한 연습 및 실습.
• 라이브 랩 환경에서 직접 구현.

수업 맞춤화 옵션

• 이 수업의 맞춤형 교육을 요청하려면 문의하여 안내를 받으십시오.

AIOps 플랫폼인 Splunk, Moogsoft, 그리고 Dynatrace는 대규모 IT 환경에서 이상 탐지, 경고 상관 관계 설정, 그리고 응답 자동화에 강력한 기능을 제공합니다.

이 강사는 중간 수준의 기업 IT 팀을 대상으로 하며, AIOps 도구를 기존 가시성 스택과 운영 워크플로우에 통합하기를 원하는 팀을 대상으로 합니다.

이 훈련을 마친 후 참가자들은 다음을 할 수 있게 됩니다:

• Splunk, Moogsoft, 그리고 Dynatrace를 통합된 AIOps 아키텍처에 구성하고 통합합니다.
• AI 기반 분석을 사용하여 분산 시스템에서 메트릭, 로그, 그리고 이벤트를 상관 관계 설정합니다.
• 내장된 워크플로우와 사용자 지정 워크플로우를 사용하여 사건 탐지, 우선순위 설정, 그리고 응답을 자동화합니다.
• 기업 규모에서 성능을 최적화하고, MTTR을 줄이며, 운영 효율성을 향상시킵니다.

강의 형식

• 상호작용형 강의 및 토론.
• 많은 연습과 예제.
• 라이브 랩 환경에서 직접 구현.

강의 맞춤화 옵션

• 이 강의를 맞춤화하려면, 저희에 문의하여 안내를 받으세요.

Prometheus과 Grafana는 현대 인프라에서 관찰 가능성을 위한 널리 채택된 도구이며, 머신러닝은 이러한 도구를 예측 및 지능형 인사이트로 강화하여 운영 결정 자동화를 지원합니다.이 강사는 중급 수준의 관찰 가능성 전문가가 AIOps 관행을 Prometheus, Grafana, 그리고 ML 기술을 통합하여 모니터링 인프라를 현대화하려는 분들을 대상으로 합니다.이 강좌를 마친 후, 참가자들은 다음을 할 수 있습니다:Prometheus과 Grafana를 시스템과 서비스 전반에 걸쳐 관찰 가능성을 위해 구성합니다.고품질 시간 시리즈 데이터를 수집, 저장 및 시각화합니다.이상 탐지 및 예측을 위한 머신러닝 모델을 적용합니다.예측 인사이트 기반으로 지능형 알림 규칙을 구성합니다.강좌 형식상호작용형 강의와 토론.많은 연습과 실습.라이브-랩 환경에서 직접 구현.강좌 맞춤화 옵션이 강좌를 맞춤형으로 요청하려면, 연락 주시기 바랍니다.

LLMs와 DevOps 워크플로우에서 에이전트LLMs와 에이전트 프레임워크 소개- 인프라 자동화에서 대형 언어 모델 개요- 다중 에이전트 워크플로우의 주요 개념- AutoGen, CrewAI, LangChain: DevOps에서의 사용 사례DevOps 작업에 대한 LLM 에이전트 설정- AutoGen 설치 및 에이전트 프로파일 구성- OpenAI API 및 기타 LLM 제공업체 사용- 워크스페이스 및 CI/CD 호환 환경 설정테스트 및 코드 품질 워크플로우 자동화- 단위 및 통합 테스트 생성을 위한 LLM 프롬프트- 에이전트를 사용하여 린팅, 커밋 규칙, 코드 리뷰 가이드라인 준수- 자동화된 풀 요청 요약 및 태깅LLM 에이전트에 의한 알림 처리 및 변경 감지- 파이프라인 실패 알림에 대한 응답자 에이전트 설계- 언어 모델을 사용하여 로그 및 트레이스 분석- 고위험 변경 사항 또는 잘못된 구성에 대한 사전 감지DevOps에서의 다중 에이전트 조정- 역할 기반 에이전트 오케스트레이션 (플래너, 실행자, 검토자)- 에이전트 메시징 루프 및 메모리 관리- 중요한 시스템을 위한 인간 포함 디자인보안, Go정책 및 관찰 가능성- 인프라에서 데이터 노출 및 LLM 안전 처리- 에이전트 동작 감사 및 범위 제한- 파이프라인 동작 추적 및 모델 피드백실제 Use Case 및 사용자 정의 시나리오- 에이전트 워크플로우를 위한 인시던트 대응 설계- 에이전트를 GitHub Actions, Slack, Jira와 통합- DevOps에서 LLM 통합을 확장하는 데 대한 모범 사례요약 및 다음 단계LLMs와 자율 에이전트 프레임워크인 AutoGen 및 CrewAI은 인간과 같은 협업 및 의사 결정 과정을 시뮬레이션하여 변경 추적, 테스트 생성, 알림 분류 등의 작업을 자동화함으로써 DevOps 팀이 자동화 작업을 재정의하고 있습니다.이번 수업은 대형 언어 모델(LLMs)과 다중 에이전트 시스템을 활용한 DevOps 자동화 워크플로우를 설계하고 구현하고자 하는 고급 수준의 엔지니어를 대상으로 합니다.이번 교육을 마친 후, 참가자들은 다음을 할 수 있게 됩니다:- CI/CD 워크플로우에 LLM 기반 에이전트를 통합하여 스마트 자동화 수행.- 에이전트를 사용하여 테스트 생성, 커밋 분석 및 변경 요약 자동화.- 에이전트를 조율하여 알림 분류, 응답 생성, DevOps 권장 사항 제공.- 오픈 소스 프레임워크를 사용하여 보안하고 유지 관리 가능한 에이전트 기반 워크플로우 구축.**과정 형식**- 상호작용 강의 및 토론.- 많은 연습과 실습.- 실습 환경에서 직접 구현.**과정 맞춤화 옵션**- 이 과정에 대한 맞춤형 교육을 요청하려면 연락하여 조율해 주십시오.DevOps 도구 및 파이프라인 자동화 경험- Python 및 Git 기반 워크플로우에 대한 작업 지식- LLMs에 대한 이해 또는 프롬프트 엔지니어링 노출**대상자**- 혁신 엔지니어 및 AI 통합 플랫폼 리드- DevOps 또는 자동화에서 작업하는 LLM 개발자- 지능형 에이전트 프레임워크를 탐구하는 DevOps 전문가