Искусственный интеллект для ИТ-операций - Artificial Intelligence for IT Operations

Искусственный интеллект для ИТ-операций (AIOps) - это термин, введенный Gartner в 2016 году в качестве отраслевой категории для технологии аналитики машинного обучения, которая улучшает Аналитика ИТ-операций.[1] AIOps[2] это аббревиатура от «Алгоритмические ИТ-операции».[3][4][5] Такие рабочие задачи включают, среди прочего, автоматизацию, мониторинг производительности и корреляцию событий.[6][7]

Есть два основных аспекта AIOps.[8] Платформа: Машинное обучение и большое количество данных. Чтобы собрать данные наблюдений данные о взаимодействии, которые можно найти на платформе больших данных и которые требуют отказа от сегрегированных ИТ-данных, целостного машинного обучения и стратегия аналитики реализован на основе объединенных ИТ-данных.[9]

Цель состоит в том, чтобы получать непрерывную информацию, которая дает постоянные исправления и улучшения через автоматизацию. Вот почему AIOps можно рассматривать как CI / CD для основных ИТ-функций.[10][11]

Учитывая неотъемлемый характер ИТ-операций, тесно связанных с развертыванием облака и управлением распределенными приложениями, AIOps все чаще приводит к объединению машинное обучение и облачные исследования.[12][13]

Обратите внимание, что это отличается от MLOps, который использует DevOps идеи для машинное обучение чтобы преодолеть разрыв между построением моделей машинного обучения и их выполнением.[14]

Рекомендации

  1. ^ Джерри Боулз (28 января 2020 г.). «AIOps и гарантия обслуживания в эпоху цифровой трансформации». Diginomica.
  2. ^ «Алгоритмические ИТ-операции стимулируют цифровой бизнес: Gartner - CXOtoday.com». Cxotoday.com. Архивировано из оригинал 28 января 2018 г.. Получено 28 января, 2018.
  3. ^ «Руководство по рынку платформ AIOps». Gartner. Получено 28 января, 2018.
  4. ^ «Комплексный подход к искусственному интеллекту для трансформации ИТ-операций» (PDF). Делойт. Получено 28 января, 2018.
  5. ^ «ITOA - AIOps: новое поколение сетевой аналитики». TechTarget. Получено 28 января, 2018.
  6. ^ «Введение в AIOps». Реестр. Получено 28 января, 2018.
  7. ^ «AIOps - тип« ИИ », в котором нет ничего искусственного - датакономия». Dataconomy.com. Получено 28 января, 2018.
  8. ^ «Искусственный интеллект для ИТ-операций (AIOps)». Альгомокс. Альгомокс. Получено 25 ноября 2020.
  9. ^ «AIOps: управление вторым законом ИТ-операций - DevOps.com». DevOps.com. 22 сентября 2017 г.. Получено 24 января 2018.
  10. ^ Харрис, Ричард. «Объяснение того, что такое AIOps и почему это важно для разработчиков». appdevelopermagazine.com. Получено 24 января 2018.
  11. ^ «AIOps 101». 5 марта 2018.
  12. ^ Масуд, Аднан; Хашми, Аднан (2019), Масуд, Аднан; Хашми, Аднан (ред.), «AIOps: прогнозная аналитика и машинное обучение в операциях», Рецепты когнитивных вычислений: решения для искусственного интеллекта с использованием Microsoft Cognitive Services и TensorFlow, Апресс, стр. 359–382, Дои:10.1007/978-1-4842-4106-6_7, ISBN  978-1-4842-4106-6
  13. ^ Дык, Тханг Ле; Лейва, Рафаэль Гарсия; Касари, Паоло; Эстберг, Пер-Олов (сентябрь 2019 г.). «Методы машинного обучения для надежного выделения ресурсов в пограничных облачных вычислениях: обзор». ACM Comput. Surv. 52 (5): 94:1–94:39. Дои:10.1145/3341145. ISSN  0360-0300.
  14. ^ «MLOps против AIOps». thechief.io. Получено 2020-10-07.

внешняя ссылка