Elastic 머신러닝으로 AIOps 목표 달성하기

기업의 통합가시성(Observability) 데이터가 증가할수록 인간의 분석능력에만 의지한다면, 불안정한 SRE와 개발자의 과도한 업무를 증가시킬 뿐만 아니라, 여러분의 애플리케이션과 인프라에 예상치 못한(또는 원치 않는) 악영향을 미칠 가능성을 생성할 수도 있습니다.

Elastic Observability 워크플로우 내에 임베드된 머신러닝의 기능들이 어떻게 기업들에게 안정성, 효율성, 그리고 지속성을 제공하고 있는지 확인해 보시기 바랍니다. 본 세션은 Data Scientist를 넘어, 기업의 애플리케이션과 인프라를 운영하는 모든 분들께 유용합니다. - Anomaly Detection 데모가 포함되어 있습니다.

본 웨비나의 주요 내용은 다음과 같습니다.

• AIOps 플랫폼을 구성하는 요소는 무엇인가?
• 신속한 원인분석 파악을 위한 Anomaly Detection 데모
• Elastic 머신러닝으로 실현되는 AIOps 결과
• Observability + Machine Learning 고객사례 살펴보기

추가 리소스:

• [읽어보기] 학습, 평가, 모니터링, 추론: Elastic의 엔드 투 엔드 머신 러닝
• [읽어보기] Elastic Observability로 인프라 및 마이크로서비스 모니터링
• [다시보기] Elastic Security의 머신러닝
• [다시보기] 클라우드 네이티브로 전환되는 Elastic APM 소개
• [다시보기] Elastic의 Supervised Machine Learning