运维数据模型

² 监控对象

² 指标体系

² 数据模型

² 数据采集

深入了解为达到AIOps前期的具体数据层面工作拆分

AI下数据的运维场景运用

² 日志服务

n 数据接入、数据解析

n 日志查询、日志告警、多租户

² 数据加工厂

n 数据接入、流式处理

n OLAP存储、数据API

² 多维监控

n 查询条件、指标配置

n 多维分析、多维告警

² 数据消费

   n 即席查询、仪表盘、报表

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

第二天 Day 2

机器学习与AI概述

² 背景介绍： AI的前世今生

² 机器学习总览： 分类和度量

² 机器学习算法原理详解：

n 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

n 无监督算法：关联规则、聚类算法

n 时间序列算法：ARIMA、Holt-Winters

n NLP：文本检索算法、深度学习算法

² 运维场景下的机器学习应用概述

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

机器学习算法应用入门实操

² 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

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

运维场景下的智能运维案例

² 时间序列检测：(率值和量值）DLP、Monitor

² 自然语言处理：智能客服&舆情监控

² 根因分析：Root & 哈勃多维监控

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