Это «профессия» на стыке машинного обучения и аналитики для быстрой и эффективной автоматизации IT-задач. А дальше идет игра воображения — кто-то приписывает одни обязанности, кто-то другие. Но одно знаем точно — в нашей сфере появляются сущности, цели которых либо распределяются между другими, либо забываются.
🔗 В статье на Хабре коллеги подробно описали предпосылки, настоящее и возможное будущее AIOps
Вот ключевые факты:
1️⃣ Сегодня задачи AIOps выполняются спецами из разных областей: DevOps, Data Science, IT Operations
2️⃣ AIOps — не про замену DevOps-инженеров, а про расширение компетенций DevOps
3️⃣ Уже сегодня инженеры начинают использовать инструменты AIOps для автоматизации проверки кода, внедрения лучших практики сборки приложений и выявления ошибок на ранних этапах разработки
4️⃣ AIOps также используется как инструмент для оценки и прогнозирования в реальном времени — и обнаружения аномалий в данных, которые указывает на проблемы в системы
5️⃣ AIOps предоставляет возможность анализировать большие объемы машинных данных с многочисленных цифровых платформ предприятий
А вот ключевые (возможно) обязанности AIOps-инженера:
➖ Настройка и управление инструментами AIOps
➖ Разработка собственных или подбор готовых моделей ML
➖ Автоматизация процессов выявления и устранения инцидентов
➖ Анализ больших данных и создание отчетов
Благодаря AIOps действительно получается быстрее решать проблемы управления инфраструктурой, а в крупных проектах это значительно сокращает ресурсы.
Однако на AIOps никто не учит — курсов нет ни в СНГ, ни за границей.
Есть ли будущее у этой сферы? Предлагайте свое видение в комментариях 👇🏼
#aiops #devops
@DevOpsKaz 😛