I. Giới thiệu khóa học:

Khóa học AIOps cơ bản cung cấp cái nhìn toàn diện về nguồn gốc của AIOps, bao gồm lịch sử hình thành thuật ngữ này, các mô hình vận hành tiền thân, cũng như bối cảnh công nghệ đã thúc đẩy AIOps phát triển đến hiện tại. Học viên sẽ hiểu được cách kết hợp phân tích Dữ liệu lớn (Big Data), thuật toán Học máy (Machine Learning), Trí tuệ nhân tạo tạo sinh (Generative AI), tự động hóa và tối ưu hóa vào trong một nền tảng vận hành thống nhất.

Khóa học giới thiệu các nguyên tắc cốt lõi, những khái niệm nền tảng và các công nghệ trung tâm của AIOps, đặc biệt là Dữ liệu lớn và Học máy. Đồng thời, học viên sẽ nắm được cách mà chuyển đổi số, cùng với sự phát triển của Học máy và Trí tuệ nhân tạo tạo sinh, đã đưa AIOps trở thành một công cụ không thể thiếu trong môi trường vận hành CNTT hiện đại.

Các công nghệ trọng tâm như Dữ liệu lớn, Học máy và Trí tuệ nhân tạo tạo sinh sẽ được trình bày song song với các khái niệm cơ bản của trí tuệ nhân tạo (AI), các loại mô hình Học máy có thể triển khai trong thực tế, cũng như mối liên hệ giữa AIOps với MLOps, DevOps và Kỹ thuật đảm bảo độ tin cậy hệ thống (Site Reliability Engineering).

Khóa học nền tảng này giúp học viên hiểu rõ những lợi ích khi triển khai AIOps trong tổ chức, bao gồm các thách thức thường gặp và những bước quan trọng để tích hợp AI hiệu quả vào hoạt động vận hành hằng ngày của các hệ thống công nghệ thông tin.

Bên cạnh lý thuyết, khóa học còn sử dụng các bài tập thực tiễn mô phỏng môi trường doanh nghiệp, giúp học viên áp dụng trực tiếp các kiến thức đã học. Ngoài ra, học viên còn được cung cấp tài liệu mẫu, biểu mẫu, công cụ và phương pháp triển khai để có thể sử dụng sau khi hoàn thành khóa học.

Khóa học này cũng giúp học viên chuẩn bị nền tảng vững chắc để đạt chứng chỉ AIOps Nền tảng.

II. Thời lượng: 16 giờ (2 ngày)

III. Mục tiêu khóa học:

Mục tiêu học tập của khóa học bao gồm hiểu biết thực tiễn về:

• Các khái niệm cơ bản, bối cảnh ngành và nguyên tắc chính của AIOps
• Các khái niệm và nguyên tắc của các công nghệ cốt lõi cần thiết cho việc triển khai AIOps
• Những thay đổi trong tư duy tổ chức và bộ kỹ năng cần thiết để triển khai AIOps
• Cách đánh giá hiệu suất của việc triển khai AIOps bằng các chỉ số tiêu chuẩn ngành
• Những thách thức và cơ hội phát sinh khi muốn triển khai AIOps trong tổ chức
• Những cân nhắc và chiến lược quan trọng cần thiết để thành công trong việc thúc đẩy và cung cấp AIOps trong tổ chức.

IV. Đối tượng mục tiêu:

Khóa học nền tảng AIOps hướng đến đối tượng là các chuyên gia, bao gồm:

• Kiến trúc sư và Kỹ sư AIOps
• Kỹ sư điện toán đám mây
• Kỹ sư và Nhà khoa học dữ liệu
• Kỹ sư và Chuyên viên DevOps
• Giám đốc CNTT
• Quản lý CNTT
• Chuyên viên Phân tích an ninh CNTT
• Trưởng nhóm CNTT
• Quản trị viên Scrum
• Kỹ sư phần mềm
• Kỹ sư Độ tin cậy hệ thống
• Kỹ sư tích hợp hệ thống
• Quản lý kinh doanh và Các bên liên quan

V. Điều kiện tiên quyết

Ưu tiên ứng viên có kiến thức về thuật ngữ CNTT và kinh nghiệm làm việc trong lĩnh vực CNTT.

VI. Nội dung khóa học:

1. Giới thiệu

2. Module 1: Nền tảng AIOps

• Lịch sử hình thành và các mô hình tiền thân
• Các công nghệ cốt lõi và khái niệm nền tảng
• Chuỗi năng lực AIOps

3. Module 2: AIOps trong tổ chức

• Các yếu tố thúc đẩy và tác động
• Mối quan hệ giữa AIOps và DevOps
• Mối quan hệ giữa AIOps và Kỹ thuật đảm bảo độ tin cậy hệ thống (SRE)
• AIOps và bảo mật

4. Module 3: Công nghệ cốt lõi: Dữ liệu

• Dữ liệu lớn là gì?
• 5 đặc trưng của Dữ liệu lớn (5Vs)
• Nguồn và loại dữ liệu trong AIOps
• Từ nguồn dữ liệu đến AIOps

5. Module 4: Công nghệ cốt lõi: Học máy (ML) và Trí tuệ nhân tạo tạo sinh (GenAI)

• AI, ML và GenAI
• Cách các mô hình ML học
• Học có giám sát và không giám sát
• Phân tích dữ liệu so với AI
• AIOps và tương lai của AI

6. Module 5: AIOps và các chỉ số vận hành

• Chỉ số và vận hành hệ thống
• Các chỉ số quan trọng cần theo dõi trên toàn hệ thống
• Thỏa thuận, mục tiêu và các chỉ số đo lường

7. Module 6: Các trường hợp sử dụng AIOps và tư duy tổ chức

• Chuyển từ bị động sang chủ động
• Từ mô hình xác định sang mô hình xác suất
• Phân tích chuyên sâu các trường hợp sử dụng

8. Module 7: Đánh giá tác động của AIOps

• AIOps và các chỉ số vận hành
• AIOps, DevOps và Kỹ thuật đảm bảo độ tin cậy hệ thống (SRE)
• Cải thiện độ chính xác của AI
• Khả năng quan sát/giám sát hệ thống AIOps

9. Module 8: Triển khai AIOps trong tổ chức

• Tránh các thách thức phổ biến khi triển khai
• Đạo đức trong Học máy
• Lộ trình triển khai AIOps