- ຄໍາສັບ (A ຫາ D)
- ການຄວບຄຸມຄວາມສາມາດ AI
- AI Ops
- ອັນລະບັ້ມ
- ການປະຕິບັດຊັບສິນ
- ຕົວເຂົ້າລະຫັດອັດຕະໂນມັດ
- ການຂະຫຍາຍພັນ
- Bayes Theorem
- Big Data
- Chatbot: ຄູ່ມືເລີ່ມຕົ້ນ
- ການຄິດໄລ່ຄອມພິວເຕີ້
- Computer Vision
- ມາຕຣິກເບື້ອງສັບສົນ
- ເຄືອຂ່າຍ Neural ການແກ້ໄຂ
- Cybersecurity
- ຜ້າຂໍ້ມູນ
- ການເລົ່າເລື່ອງຂໍ້ມູນ
- ວິທະຍາສາດຂໍ້ມູນ
- ສາງຂໍ້ມູນ
- ຕົ້ນໄມ້ຕັດສິນໃຈ
- Deepfakes
- Deep Learning
- ການຮຽນຮູ້ການເສີມສ້າງແບບເລິກເຊິ່ງ
- ພັດທະນາ
- DevSecOps
- ຮູບແບບການແຜ່ກະຈາຍ
- Digital Twin
- ການຫຼຸດຜ່ອນມິຕິ
- ຄໍາສັບ (E ຫາ K)
- ຂອບ AI
- ອາລົມ AI
- ການຮຽນຮູ້ຂອງກຸ່ມ
- Hacking ດ້ານຈັນຍາບັນ
- ETL
- AI ທີ່ສາມາດອະທິບາຍໄດ້
- ການຮຽນຮູ້ແບບລັດຖະບານກາງ
- FinOps
- AI ສ້າງ
- ເຄືອຂ່າຍ Adversarial ທົ່ວໄປ
- Generative vs. ຈໍາແນກ
- Gradient Boosting
- Gradient Descent
- ການຮຽນຮູ້ການຍິງຈໍານວນຫນ້ອຍ
- ການຈັດປະເພດຮູບພາບ
- ການດໍາເນີນງານ IT (ITOPs)
- ອັດຕະໂນມັດເຫດການ
- ອິດທິພົນວິສະວະກໍາ
- K-Means Clustering
- K-ເພື່ອນບ້ານໃກ້ທີ່ສຸດ
- ຄໍາສັບ (L ຫາ Q)
- ຄໍາສັບ (R ຫາ Z)
- ການຮຽນຮູ້ການເສີມສ້າງ
- AI ຮັບຜິດຊອບ
- RLHF
- ອັດຕະໂນມັດຂະບວນການຫຸ່ນຍົນ
- ມີໂຄງສ້າງທຽບກັບບໍ່ມີໂຄງສ້າງ
- ການວິເຄາະຄວາມຮູ້ສຶກ
- ມີການຄວບຄຸມເບິ່ງແຍງ vs ບໍ່ມີການຄວບຄຸມ
- ຮອງຮັບເຄື່ອງຈັກ Vector
- ຂໍ້ມູນສັງເຄາະ
- ສື່ສັງເຄາະ
- ການຈັດປະເພດຂໍ້ຄວາມ
- TinyML
- ຖ່າຍທອດການຮຽນຮູ້
- Transformer Neural Networks
- ການທົດສອບ Turing
- ການຄົ້ນຫາຄວາມຄ້າຍຄືກັນຂອງ vector
ໄອ 101
AIOps ແມ່ນຫຍັງ? (ປັນຍາທຽມສໍາລັບການປະຕິບັດງານ IT)
By
Haziqa Sajidສາລະບານ
AIOps ເປັນຮູບແບບສັ້ນຂອງປັນຍາທຽມສໍາລັບການດໍາເນີນການ IT, ເປັນຄໍາສັບທີ່ສ້າງຂື້ນໃນປີ 2017 ໂດຍ Gartner. AIOps ຫມາຍເຖິງການໃຊ້ຂໍ້ມູນໃຫຍ່, ຄວາມສາມາດໃນການວິເຄາະແບບພິເສດ, ແລະການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອເພີ່ມປະສິດທິພາບການເຮັດວຽກແລະການເຮັດວຽກຂອງທີມງານ IT. ແພລະຕະຟອມເຫຼົ່ານີ້ດໍາເນີນຢູ່ໃນເຕັກໂນໂລຢີຫຼາຍຊັ້ນແລະເປີດໃຊ້ວຽກພ້ອມໆກັນຂອງແຫຼ່ງຂໍ້ມູນແລະເຄື່ອງມືການວິເຄາະຫຼາຍ.
ສະພາບແວດລ້ອມຄໍາຮ້ອງສະຫມັກໃນບໍລິສັດວິສາຫະກິດຂະຫນາດໃຫຍ່ຜະລິດຂໍ້ມູນຈໍານວນຫລາຍແລະຂໍ້ມູນບັນທຶກ. ຄວາມຊັບຊ້ອນທີ່ເພີ່ມຂຶ້ນຢ່າງຕໍ່ເນື່ອງຂອງຂໍ້ມູນຂາເຂົ້າ ແລະລັກສະນະປະສົມຂອງການບໍລິການ ແລະແອັບພລິເຄຊັນເຮັດໃຫ້ການດຳເນີນງານທາງດ້ານໄອທີມີຄວາມເຄັ່ງຕຶງຫຼາຍສົມຄວນ. ຫຼັງຈາກນັ້ນ, ປະຈຸບັນ, ບໍລິສັດເພີ່ມເຕີມກໍາລັງຈ້າງ AIOps ຫຼາຍກ່ວາເກົ່າ. ເປົ້າໝາຍແມ່ນເພື່ອເຮັດໃຫ້ການດຳເນີນງານທາງດ້ານໄອທີອັດຕະໂນມັດ, ກຳນົດຮູບແບບຢ່າງສະຫຼາດ, ຂະຫຍາຍຂະບວນການ ແລະໜ້າວຽກທົ່ວໄປ ແລະແກ້ໄຂບັນຫາ IT. AIOps ນໍາເອົາການຄຸ້ມຄອງການບໍລິການ, ການຄຸ້ມຄອງການປະຕິບັດແລະອັດຕະໂນມັດຮ່ວມກັນເພື່ອຮັບຮູ້ຄວາມເຂົ້າໃຈແລະການປັບປຸງຢ່າງຕໍ່ເນື່ອງ.
ການປະຕິບັດ AIOps
ໂຊລູຊັ່ນ AIOps ອະນຸຍາດໃຫ້ມີລະບົບການຕິດຕໍ່ພົວພັນສູນກາງລະຫວ່າງຫນ້າທີ່ IT ທີ່ແຕກຕ່າງກັນເພື່ອເພີ່ມປະສິດທິພາບການປະຕິບັດງານ. ພວກເຂົາເຈົ້າມີວິທີການມາດຕະຖານທີ່ຄ້າຍຄືກັນກັບຫນ້າທີ່ມັນສະຫມອງຂອງມະນຸດ. ລາຍຊື່ຂ້າງລຸ່ມນີ້ແມ່ນຂັ້ນຕອນໂດຍຂັ້ນຕອນຂອງການປະຕິບັດ AIOps:
- Comb ຜ່ານປະລິມານຂະຫນາດໃຫຍ່ຂອງຂໍ້ມູນໃນສະພາບແວດລ້ອມ IT ທີ່ທັນສະໄຫມແລະເລືອກເອົາພຽງແຕ່ຂໍ້ມູນທີ່ກ່ຽວຂ້ອງໂດຍຜ່ານບາງເຕັກນິກການກັ່ນຕອງແລະຈັດລໍາດັບຄວາມສໍາຄັນ.
- ປະຕິບັດການວິເຄາະຄວາມກ່ຽວຂ້ອງຢ່າງລະອຽດຂອງຂໍ້ມູນເພື່ອຄົ້ນພົບຮູບແບບ, ຄວາມເພິ່ງພາອາໄສ, ແລະການພົວພັນພາຍໃນຂໍ້ມູນໂດຍການຫຼຸດຜ່ອນສິ່ງລົບກວນຈາກມັນຢ່າງສະຫຼາດ.
- ຮວບຮວມຂໍ້ມູນເປັນກຸ່ມ ແລະກຸ່ມຕ່າງໆເພື່ອກະກຽມມັນສໍາລັບການວິເຄາະຂັ້ນສູງ.
- ສືບສວນສາເຫດຂອງແນວໂນ້ມ ແລະເຫດການທີ່ແຕກຕ່າງກັນ ແລະຮຽນຮູ້ຈຸດປະສານງານຂອງຂໍ້ມູນການດໍາເນີນງານເພື່ອຈຸດປະສົງ inference.
- ອໍານວຍຄວາມສະດວກໃນການຮ່ວມມືລະຫວ່າງທີມງານ IT ຂ້າມລະບົບ ແລະສົ່ງແຈ້ງການໃຫ້ຜູ້ປະຕິບັດງານທີ່ກ່ຽວຂ້ອງໃນກໍລະນີທີ່ມີເຫດການ ຫຼືບັນຫາບາງຢ່າງ.
- ການແກ້ໄຂອັດຕະໂນມັດແລະການແກ້ໄຂໂດຍບໍ່ຈໍາເປັນຕ້ອງມີການແຊກແຊງໃດໆຈາກມະນຸດ.
ຄວາມສາມາດຫຼັກຂອງ AIOps
ບາງຄວາມສາມາດທີ່ສຳຄັນມີດັ່ງນີ້:
ການກຳຈັດສິ່ງລົບກວນ
ສິ່ງລົບກວນ, ເຊັ່ນ: ໂມງປຸກແລະການແຈ້ງເຕືອນ, plague ທີມງານ IT ໃນແຕ່ລະຊົ່ວໂມງ. AIOps ອັດສະລິຍະຫຼຸດຜ່ອນສິ່ງລົບກວນໂດຍການກໍານົດບັນຫາຂອງຮາກແລະໃຫ້ການແກ້ໄຂດ້ວຍຄວາມໄວສູງ. ນີ້, ໃນທາງກັບກັນ, ຫຼຸດລົງເວລາສະເລ່ຍເພື່ອຕອບສະຫນອງແລະການສ້ອມແປງ (MTTR).
ການພົວພັນກັບເຫດການ
AIOps ສຳຫຼວດຂໍ້ມູນພື້ນຖານເພື່ອຊອກຫາຮູບແບບ ແລະການພົວພັນທີ່ສຳຄັນໂດຍໃຊ້ການວິເຄາະຄວາມສຳພັນ. ມັນໃຊ້ປັດໃຈຕ່າງໆເຊັ່ນເວລາ, topology, ແລະຂໍ້ຄວາມຂອງບັນທຶກຂໍ້ມູນ. ມັນວິເຄາະແລະປະມວນຜົນການແຈ້ງເຕືອນເຫດການແລະສະກັດຄວາມເຂົ້າໃຈທີ່ສໍາຄັນຈາກພວກມັນເຊິ່ງສາມາດຊ່ວຍໃນການກໍານົດເຫດການໃນອະນາຄົດ.
ການປະສານງານທີ່ດີຂຶ້ນ
ແພລດຟອມ AIOps ປັບປຸງການປະສານງານທີ່ບໍ່ມີການຂັດຂືນລະຫວ່າງ ITOps, DevOps, ຄວາມປອດໄພ, SRE, ແລະທີມງານຄຸ້ມຄອງ. ມັນສະຫນອງຂໍ້ມູນການວິເຄາະແລະການຕິດຕາມທີ່ເຫມາະສົມກັບແຕ່ລະຫນ້າທີ່ເພື່ອເລັ່ງການຮ່ວມມືລະຫວ່າງທີມງານພາຍໃນບໍລິສັດ.
ອັດຕະໂນມັດ
ວິທີແກ້ໄຂເຫຼົ່ານີ້ເຮັດໃຫ້ໂປຣໂຕຄອນປົກກະຕິເຊັ່ນການປະມວນຜົນການແຈ້ງເຕືອນລະບົບເລັກນ້ອຍ, ການຕອບສະໜອງການຮ້ອງຂໍຂອງຜູ້ໃຊ້, ຫຼືການຈັດສັນຊັບພະຍາກອນ IT ໃຫ້ກັບທີມງານ. ພວກເຂົາຍັງສາມາດຕອບໂຕ້ເຫດການອັດຕະໂນມັດແລະການແກ້ໄຂ. ອັນນີ້ຊ່ວຍເລັ່ງການດຳເນີນງານທາງດ້ານໄອທີ ແລະຊ່ວຍໃຫ້ການແບ່ງປັນຂະບວນການເຮັດວຽກໄວຂຶ້ນ ແລະມີປະສິດທິພາບຫຼາຍຂຶ້ນ.
ການແກ້ໄຂແລະການແກ້ໄຂ
ໂດຍການດໍາເນີນການວິເຄາະສາເຫດທີ່ມີອໍານາດ, AIOps ສາມາດແກ້ໄຂບັນຫາໃນລະດັບຂະຫນາດແລະອັດຕະໂນມັດການແກ້ໄຂສໍາລັບເຫດການຜິດປົກກະຕິແລະພຶດຕິກໍາທີ່ເກີດຂື້ນ.
ໃຊ້ກໍລະນີຂອງ AIOps
ລະບົບ AIOps ນໍາໃຊ້ຂໍ້ມູນໃຫຍ່, ການສ້າງແບບຈໍາລອງການຄາດເດົາ, ແລະການວິເຄາະຂັ້ນສູງເພື່ອຕ້ານບາງກໍລະນີການນໍາໃຊ້ທີ່ນິຍົມເຊັ່ນ:
ການກວດຫາຄວາມຜິດປົກກະຕິແບບເຄື່ອນໄຫວ
ຜ່ານການວິເຄາະຂໍ້ມູນໃຫຍ່ທາງປະຫວັດສາດ, AIOps ກໍານົດຈຸດຂໍ້ມູນທີ່ຜິດປົກກະຕິ. ອັນນີ້ເຮັດໃຫ້ທີມ IT ສາມາດຮັບຮູ້ການບ່ຽງເບນຈາກພຶດຕິກໍາປົກກະຕິໄດ້ຢ່າງງ່າຍດາຍ ແລະ ປ້ອງກັນບັນຫາທີ່ມີຄ່າໃຊ້ຈ່າຍຫຼາຍ ເຊັ່ນ: ການລະເມີດຂໍ້ມູນ ຫຼື ການແຕກແຍກທາງສະຖາປັດຕະຍະກຳ.
ການວິເຄາະສາເຫດຂອງຮາກ
AIOps ຊ່ວຍເຫຼືອໃນການວິນິດໄສຢ່າງຖືກຕ້ອງກ່ຽວກັບສາເຫດຂອງບັນຫາ ແລະການແກ້ໄຂໃຫ້ເຂົາເຈົ້າມີການແກ້ໄຂທີ່ພຽງພໍ. ອັນນີ້ສາມາດຊ່ວຍທີມໄອທີໄດ້, ໂດຍການບັນເທົາຄວາມໜັກໜ່ວງຂອງວຽກງານໃນການຕິດຕາມອາການຫຼັກຂອງບັນຫາເຫຼົ່ານີ້. ແພລະຕະຟອມ AIOps ຍັງຕັ້ງໂປໂຕຄອນຄວາມປອດໄພເພື່ອປ້ອງກັນບັນຫາໃນອະນາຄົດ.
ການກວດສອບການປະຕິບັດ
AIOps ຍັງຖືກໃຊ້ເປັນເຄື່ອງມືໃນການຕິດຕາມໂຄງສ້າງເຄືອຂ່າຍທັງໝົດ. ມັນຕິດຕາມກວດກາສຸຂະພາບແລະການປະຕິບັດຂອງທຸກໆອົງປະກອບ; ປັດໄຈການອອກອາກາດເຊັ່ນ: ເວລາຫວ່າງ, ເວລາຕອບສະໜອງ ແລະ ການນຳໃຊ້.
ການວິເຄາະການຄາດເດົາ
ນອກເຫນືອຈາກການກວດພົບບັນຫາການດໍາເນີນງານໃນໄວ, ມັນຍັງໃຊ້ຕົວແບບການຮຽນຮູ້ເຄື່ອງຈັກຂັ້ນສູງເພື່ອເຮັດໃຫ້ການຄາດຄະເນກ່ຽວກັບບັນຫາທີ່ອາດຈະເກີດຂຶ້ນໃນອະນາຄົດ.
Cloud Migration
ໃນກໍລະນີທີ່ບໍລິສັດໄດ້ຮັບຮອງເອົາແບບຈໍາລອງຟັງແບບປະສົມ, AIOps ໃຫ້ການເບິ່ງເຫັນທີ່ດີເລີດເຂົ້າໄປໃນຕົວເຊື່ອມຕໍ່ກັນແລະເພີ່ມປະສິດທິພາບການດໍາເນີນງານ. ມັນຍັງຊ່ວຍໃນການຮັກສາການແຜ່ກະຈາຍຂອງຄລາວ (ຕົວຢ່າງເມຄທີ່ບໍ່ສາມາດຄວບຄຸມໄດ້), ດັ່ງນັ້ນຈຶ່ງປ້ອງກັນການ overhead ທີ່ບໍ່ຈໍາເປັນ.
ຜົນປະໂຫຍດຂອງ AIOps
ຜົນປະໂຫຍດຕໍ່ທຸລະກິດແມ່ນບໍ່ມີຂອບເຂດ, ແລະພວກເຂົາຕັ້ງແຕ່ການປັບປຸງການຜະລິດຂອງພະນັກງານໄປສູ່ການຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍໃນການເຮັດວຽກໂດຍກົງ. ປະໂຫຍດອື່ນໆທີ່ AIOps ສະເຫນີໃຫ້ອົງການຈັດຕັ້ງແມ່ນ:
- ປັບປຸງຄວາມພ້ອມ ແລະ ຄວາມໜ້າເຊື່ອຖືຂອງລະບົບໄອທີ
- ການຮ່ວມມືດ້ານວິຊາການທີ່ດີກວ່າລະຫວ່າງຫນ້າທີ່ IT ທີ່ແຕກຕ່າງກັນ
- ການແກ້ໄຂທີ່ລະອຽດອ່ອນທີ່ໃຊ້ເວລາແລະການຄຸ້ມຄອງການຄາດຄະເນຂອງບັນຫາທີ່ເປັນໄປໄດ້
- ການຫັນປ່ຽນແບບດິຈິຕອລໄວຂຶ້ນໂດຍການຊ່ວຍໃນການເຄື່ອນຍ້າຍຄລາວ ແລະຄວາມປອດໄພ
- ການລວບລວມຫນ້າທີ່ຕິດຕາມໃນລະບົບການໂຕ້ຕອບ, ເປັນສູນກາງ
- ການຫຼຸດຜ່ອນການເຕືອນໄພທີ່ບໍ່ຖືກຕ້ອງສໍາລັບປະເພດຕ່າງໆຂອງເຫດການແລະການແຈ້ງເຕືອນ
- ການພັດທະນາໄວຂຶ້ນຂອງການບໍລິການແລະການສອດຄ່ອງທີ່ດີກວ່າໃນການເຂົ້າໃຈຜົນກະທົບຂອງເຂົາເຈົ້າ
ການເລີ່ມຕົ້ນດ້ວຍ AIOps
ສໍາລັບການຮັບຮອງເອົາ AIOps ໃນທົ່ວບໍລິສັດ, ອົງການຈັດຕັ້ງຈໍາເປັນຕ້ອງກໍານົດຈຸດເຈັບປວດໃນການດໍາເນີນງານ IT ຂອງຕົນທີ່ຕ້ອງໄດ້ຮັບການປັບປຸງ. ນີ້ຈະຊ່ວຍສະຫຼຸບກໍລະນີທຸລະກິດທີ່ AIOps ຈະຖືກປະຕິບັດ. ມັນເປັນສິ່ງ ຈຳ ເປັນທີ່ຈະຕ້ອງເຂົ້າໃຈວິທີແກ້ໄຂ AIOps ປະເພດຕ່າງໆທີ່ມີຢູ່ເພື່ອເລືອກອັນທີ່ ເໝາະ ສົມທີ່ສຸດ ສຳ ລັບທຸລະກິດ. ການແກ້ໄຂໂດເມນເປັນສູນກາງພຽງແຕ່ເຮັດວຽກໃນບາງກໍລະນີທີ່ໃຊ້ເພາະວ່າພວກມັນຖືກພັດທະນາໂດຍສະເພາະສໍາລັບໂດເມນດຽວ. ໃນທາງກົງກັນຂ້າມ, ການແກ້ໄຂໂດເມນ - agnostic ສາມາດເຮັດວຽກໃນທົ່ວໂດເມນທີ່ແຕກຕ່າງກັນ. ເມື່ອວິທີການແກ້ໄຂທີ່ມັກຖືກເລືອກແລ້ວ, ມັນເປັນສິ່ງ ສຳ ຄັນທີ່ຈະສ້າງແຜນຜັງແລະການຄຸ້ມຄອງ.
ຖ້າທ່ານຕ້ອງການຮຽນຮູ້ເພີ່ມເຕີມກ່ຽວກັບ AIOps ແລະເຕັກໂນໂລຢີ AI ອື່ນໆ, ກວດເບິ່ງ blog ທີ່ກ່ຽວຂ້ອງທີ່ unite.ai ເພື່ອຂະຫຍາຍຄວາມຮູ້ຂອງທ່ານກ່ຽວກັບໂດເມນນີ້.
ຮາຊິກາ ເປັນ Data Scientist ທີ່ມີປະສົບການຢ່າງກວ້າງຂວາງໃນການຂຽນເນື້ອຫາດ້ານວິຊາການສໍາລັບບໍລິສັດ AI ແລະ SaaS.
ທ່ານອາດຈະມັກ
ການສົນທະນາພາຍໃນຂອງ AI: ວິທີການສະທ້ອນຕົນເອງຊ່ວຍປັບປຸງ Chatbots ແລະ Virtual Assistants
Instant-Style: ຮູບແບບການເກັບຮັກສາໄວ້ໃນການສ້າງຂໍ້ຄວາມເປັນຮູບພາບ
LoReFT: Representation Finetuning for Language Models
ນອກເຫນືອຈາກເຄື່ອງຈັກຊອກຫາ: ການເພີ່ມຂຶ້ນຂອງຕົວແທນການທ່ອງເວັບທີ່ຂັບເຄື່ອນດ້ວຍ LLM
ປັບປຸງຄວາມໂປ່ງໃສ AI ແລະຄວາມໄວ້ວາງໃຈດ້ວຍ AI ປະສົມ
GPU Data Centers Strain Power Grids: ການດຸ່ນດ່ຽງນະວັດຕະກໍາ AI ແລະການບໍລິໂພກພະລັງງານ