AIOps: Prometheus, Grafana ve ML Eğitimi

Eğitim Hakkında

Prometheus, Grafana ve ML ile AIOps

Bu eğitim, izleme verisini makine öğrenmesiyle zenginleştiren AIOps yaklaşımını Prometheus ve Grafana üzerinde uygular. Prometheus HTTP API ile veri çekme, Python (pandas, scikit-learn, statsmodels) ile zaman serisi hazırlama, mevsimsellik ve trend ayrıştırma, Isolation Forest ve z-skor ile anomali tespiti, Prophet/ARIMA ile kapasite tahmini, tahmin sonuçlarının Prometheus'a geri yazılması (exporter), Grafana'da tahmin ve anomali bandı gösterimi, alarm korelasyonu ve gürültü azaltma ile model izleme ve MLOps ilkeleri laboratuvarla işlenir.

Süre ve Format

3 Gün. Her gün dört modül; veri hazırlama ve anomali tespitinden tahmine, oradan Grafana entegrasyonu ve operasyonel kullanıma ilerlenir.

Seviye

İleri Seviye — Prometheus ve Grafana verisiyle AIOps: anomali tespiti, tahmin modelleri, otomatik korelasyon ve ML tabanlı alarm.

Öğrenme Metodu

Katılımcılar Jupyter ve Python ile Prometheus verisinden model eğitir, sonuçları exporter ile yayınlayıp Grafana'da anomali ve tahmin panoları oluşturur.

Neden Bu Eğitim?

🤖AIOps Yaklaşımı

Sabit eşik yerine verinin davranışından öğrenen izleme geliştirirsiniz.

📈Kapasite Tahmini

Disk, bellek ve trafik eğilimlerini önceden tahmin edersiniz.

🔕Gürültü Azaltma

Alarm korelasyonu ile tekrarlayan uyarıları gruplayıp azaltırsınız.

Anahtar Konular

aiopsprometheus makine öğrenmesianomali tespitizaman serisi tahminiprophetisolation forestgrafana aiopskapasite planlamaalarm korelasyonupython izleme

“Veriden öğrenen izleme, alarmı çalmadan önce sorunu fark eder.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Prometheus ve Grafana

PromQL ve pano geliştirme deneyimi gerekir.

2

Python

pandas dahil temel Python bilgisi beklenir.

3

İstatistik

Ortalama, standart sapma ve dağılım kavramları gerekir.

4

ML Temeli

Makine öğrenmesine giriş düzeyinde aşinalık faydalıdır.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı Prometheus verisini hazırlayıp anomali tespit modeli kurabilir.

Modül 1

Veri Çekme

Prometheus HTTP API (query_range)
prometheus-api-client
pandas DataFrame dönüşümü
Eksik veri ve yeniden örnekleme
Etiket seçimi
Veri kaynağı sınırları

Modül 2

Zaman Serisi Analizi

Trend ve mevsimsellik
seasonal_decompose
Durağanlık (ADF testi)
Hareketli ortalama
Otokorelasyon
Gürültü giderme

Modül 3

İstatistiksel Anomali

z-skor ve MAD
Hareketli taban çizgisi
Aykırı değer eşiği
Mevsimsel taban
Yanlış pozitif oranı
Değerlendirme metrikleri

Modül 4

ML ile Anomali

Isolation Forest
One-Class SVM tanıtımı
Çok değişkenli anomali
Özellik mühendisliği
Eğitim-test ayrımı
Model seçimi

Günün hedefiKatılımcı tahmin modelleri üretip sonuçları Grafana'da gösterebilir.

Modül 1

Zaman Serisi Tahmini

ARIMA/SARIMA
Prophet
Holt-Winters
Uçtan uca tahmin hatası (MAPE)
Güven aralığı
Model karşılaştırma

Modül 2

Kapasite Planlama

Disk dolma tahmini
Bellek ve CPU trendi
predict_linear ile karşılaştırma
Trafik büyümesi
Eşik aşım tarihi
Planlama raporu

Modül 3

Sonuçları Yayınlama

Python exporter yazma (prometheus_client)
Tahmin ve anomali skorunu metrik yapma
Scrape yapılandırması
Etiket yapısı
Zamanlanmış model çalıştırma
Kubernetes CronJob

Modül 4

Grafana Görselleştirme

Tahmin bandı çizimi
Anomali işaretleme (annotation)
State timeline ile skor
Gerçek ve tahmin karşılaştırma
Model durumu panosu
Alarm kuralı bağlama

Günün hedefiKatılımcı AIOps çözümünü işletmeye alıp modelin kalitesini izleyebilir.

Modül 1

Alarm Korelasyonu

Alarm gruplama stratejileri
Zaman ve etiket tabanlı korelasyon
Topoloji bilgisiyle gruplama
Kümeleme (DBSCAN) ile olay gruplama
Alertmanager gruplamasıyla ilişki
Kök neden adayı

Modül 2

Model Operasyonu

Model sürümleme
Veri kayması (drift) izleme
Yeniden eğitim planı
Model metriklerini izleme
Yanlış alarm geri bildirimi
MLOps temel ilkeleri

Modül 3

Güvenilirlik ve Etik

Açıklanabilirlik
İnsan onayı olan otomasyon
Hata durumunda geri dönüş
Veri gizliliği
Önyargı ve yanlış güven
Karar sorumluluğu

Modül 4

Uygulama Projesi

Uçtan uca AIOps pipeline
Veri-model-pano-alarm zinciri
Başarı ölçütleri
Sunum ve gözden geçirme
Üretime geçiş yol haritası
Sonraki adımlar

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Veri Çekme

Prometheus API'sinden pandas ile veri hazırlarsınız.

✅

Zaman Serisi

Trend ve mevsimselliği ayrıştırırsınız.

✅

Anomali Tespiti

z-skor ve Isolation Forest ile anomali bulursunuz.

✅

Tahmin

Prophet ve ARIMA ile kapasite tahmini üretirsiniz.

✅

Exporter

Model çıktılarını Prometheus metriği olarak yayınlarsınız.

✅

Grafana

Anomali ve tahmin bandını panolarda gösterirsiniz.

✅

Korelasyon

Alarm gruplama ile gürültüyü azaltırsınız.

✅

Model İzleme

Drift ve model kalitesini işletme sürecine alırsınız.

Kimler İçin Uygundur?

İzleme verisinden öngörü üretmek isteyen SRE
DevOps
veri bilimcisi
platform mühendisleri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

İzleme verisinden öngörü üretmek isteyen SRE, DevOps, veri bilimcisi ve platform mühendisleri için uygundur.

Veri bilimci olmak gerekir mi?

Hayır; temel Python ve istatistik yeterlidir, modeller adım adım kurulur.

Hangi araçlar kullanılır?

Python, pandas, scikit-learn, statsmodels, Prophet, Prometheus ve Grafana kullanılır.

Modeller üretimde nasıl çalıştırılır?

Zamanlanmış iş ve exporter yaklaşımıyla; model sürümleme ve drift izleme ile ele alınır.

Eğitim sonunda sertifika veriliyor mu?

Katılım ve değerlendirme sonrası Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

YERELLEŞTİRME AIOPS İLE PROMETHEUS, GRAFANA VE ML EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Anahtar Konular

Ön Koşullar

Eğitim İçeriği

Veri Çekme

Zaman Serisi Analizi

İstatistiksel Anomali

ML ile Anomali

Zaman Serisi Tahmini

Kapasite Planlama

Sonuçları Yayınlama

Grafana Görselleştirme

Alarm Korelasyonu

Model Operasyonu

Güvenilirlik ve Etik

Uygulama Projesi

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Bu Eğitimle Birlikte Tercih Edilenler

Grafana: Etkileşimli Panolar ve Dinamik Eşikler Eğitimi

Gözlemlenebilirlik Foundation Sertifika Eğitimi

Ingesting Application Metrics in Splunk Observability Cloud (IAMSIM) Eğitimi

Logging, Monitoring and Observability in Google Cloud Eğitimi

Logging, Monitoring, and Observability in Google Cloud (GC-LMNOP) Eğitimi