Szkolenie: AI w utrzymaniu systemów IT
Szkolenie AI w utrzymaniu systemów IT uczy praktycznego wykorzystania sztucznej inteligencji i dużych modeli językowych w automatyzacji, analizie logów, predykcji awarii oraz zarządzaniu incydentami w środowiskach IT, z naciskiem na AIOps, DevOps i konteneryzację rozwiązań AI
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:2 dni (16h)
Kod kursu:AI/SYS
Dostępne terminy szkolenia
Termin:
Trener:
Cena:
2450 PLN netto
Lokalizacja:
ZdalneTermin:
Trener:
Cena:
2450 PLN nettoLokalizacja:
ZdalneTermin:
Trener:
Cena:
2450 PLN nettoLokalizacja:
ZdalneAI w utrzymaniu systemów IT
Cele szkolenia
Szkolenie przygotowuje do samodzielnego wdrażania i integrowania rozwiązań AI oraz dużych modeli językowych w środowiskach IT, ze szczególnym uwzględnieniem automatyzacji zadań administracyjnych i zarządzania incydentami
Szkolenie uczy projektowania promptów oraz scenariuszy wspierających analizę logów, klasyfikację incydentów i predykcję awarii z wykorzystaniem narzędzi AI
Szkolenie pokazuje, jak efektywnie wykorzystywać podejście Retrieval-Augmented Generation (RAG) do integracji dokumentacji technicznej z modelami AI w celu usprawnienia zarządzania wiedzą w IT
Szkolenie rozwija umiejętności konteneryzacji, wdrażania i monitorowania aplikacji AI w środowiskach Docker i Kubernetes, zgodnie z najlepszymi praktykami DevOps
Dla kogo?
Specjaliści IT zajmujący się utrzymaniem, monitoringiem i automatyzacją systemów informatycznych
Administratorzy systemów oraz inżynierowie DevOps z podstawową znajomością programowania i API
Osoby wdrażające lub planujące wdrożenie rozwiązań AI w środowiskach produkcyjnych IT
Efekty kształcenia
Uczestnik projektuje i wdraża automatyzacje zadań IT z wykorzystaniem AI i LLM
Uczestnik analizuje logi i incydenty przy użyciu narzędzi opartych o sztuczną inteligencję
Uczestnik integruje modele AI z systemami IT oraz dokumentacją techniczną
Uczestnik konfiguruje i zarządza kontenerami Docker dla aplikacji AI
Uczestnik wdraża i monitoruje rozwiązania AI w środowisku Kubernetes
Uczestnik stosuje dobre praktyki DevOps i AIOps w zarządzaniu infrastrukturą IT
Wymagania
Podstawowa znajomość środowisk IT
Znajomość podstaw programowania i korzystania z API
Ogólne zrozumienie działania systemów monitoringu i logów
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program szkolenia
Wprowadzenie do dużych modeli językowych (LLM) i ich roli w środowiskach IT
Czym są LLM-y, jak działają, przykłady (GPT, Claude, Mistral, LLaMA)
Rola AI w nowoczesnym zarządzaniu infrastrukturą
Automatyzacja zadań w utrzymaniu systemów IT z wykorzystaniem AI
Identyfikacja obszarów możliwych do automatyzacji (analiza logów, klasyfikacja incydentów, predykcja awarii)
Projektowanie promptów i scenariuszy do wspomagania decyzji administracyjnych
Generowanie konfiguracji systemów i automatyczna dokumentacja
Integracja modeli AI z systemami IT
Łączenie z API (OpenAI, Claude, lokalne LLM-y – Hugging Face, LLaMA)
Tworzenie bezpiecznych i skalowalnych połączeń z modelami językowymi
Obsługa środowisk produkcyjnych i przetwarzania danych wrażliwych
Wykorzystanie podejścia Retrieval-Augmented Generation (RAG) w środowiskach produkcyjnych
Dostarczanie kontekstu z dokumentacji technicznej, SOP-ów i logów
Organizacja wiedzy dla AI – pipeline dokumentacji → embedding → retrieval
Projektowanie reakcji na incydenty i AI-agentów wspierających administratorów
Warsztat: stworzenie agenta AI analizującego logi systemowe i proponującego reakcje
Integracja z systemem alertów i testowanie scenariuszy awarii
Automatyzacja z Docker i konteneryzacja rozwiązań AI
Tworzenie i zarządzanie kontenerami Docker dla aplikacji AI
Optymalizacja obrazów Docker dla modeli ML i LLM
Integracja AI-agentów z kontenerami i orchestracja z Docker Compose
Monitorowanie i logowanie kontenerów z aplikacjami AI
Wdrażanie i zarządzanie rozwiązaniami AI w Kubernetes
Podstawy Kubernetes dla środowisk produkcyjnych z AI
Deploy aplikacji AI jako Pods, Deployments i Services
Skalowanie automatyczne (HPA) dla obciążeń AI
Zarządzanie konfiguracją i sekretami dla modeli AI w K8s
Monitoring i zarządzanie zasobami dla kontenerów z modelami językowymi
Przegląd dobrych praktyk wdrożeniowych
Strategia wdrażania AI w firmie
Omówienie studiów przypadku i rzeczywistych zastosowań
Zarządzanie ryzykiem i etyka w wykorzystaniu AI w infrastrukturze IT
Autorem szkolenia jest Marcin Wierzbiński
Analityk danych i badacz sztucznej inteligencji z doświadczeniem akademickim i komercyjnym. Na co dzień wykłada na Uniwersytecie Warszawskim, a swoje kompetencje rozwijał również w międzynarodowych instytucjach badawczych, takich jak Instytut Maxa Plancka w Berlinie. Specjalizuje się w uczeniu maszynowym, analizie danych na dużą skalę oraz bioinformatyce – w szczególności w przetwarzaniu i analizie danych genetycznych. Prowadzi praktyczne kursy z zakresu analizy danych i deep learningu, kładąc…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
