{"course":{"productid":33238,"modality":1,"active":true,"language":"fr","title":"AIOps Foundation","productcode":"AIOF","vendorcode":"DI","vendorname":"DevOps","fullproductcode":"DI-AIOF","courseware":{"has_ekit":false,"has_printkit":true,"language":""},"url":"https:\/\/portal.flane.ch\/course\/devops-aiof","objective":"<p>A l&#039;issue de cette formation, vous serez en mesure de : \n<\/p>\n<ul>\n<li>Comprendre les concepts fondamentaux et les principes cl&eacute;s de l&rsquo;AIOps ;<\/li><li>Appr&eacute;hender les concepts g&eacute;n&eacute;raux du Big Data et de l&rsquo;AI ainsi que la mani&egrave;re dont ils sont li&eacute;s &agrave; l&rsquo;AIOps ;<\/li><li>Conna&icirc;tre la relation entre AIOPs et MLOps ;<\/li><li>&Ecirc;tre en mesure de quantifier les r&eacute;sultats d&rsquo;une mise en &oelig;uvre d&rsquo;AIOps &agrave; l&rsquo;aide de m&eacute;triques cl&eacute;s ;<\/li><li>Comprendre les d&eacute;fis et les opportunit&eacute;s d&rsquo;utilisation de l&rsquo;AIOps dans l&rsquo;entreprise ;<\/li><li>Se pr&eacute;parer &agrave; la certification &laquo; AIOps Foundation\u2120 &raquo;.<\/li><\/ul>","essentials":"<p>Il est recommand&eacute; d&rsquo;avoir une bonne connaissance de la terminologie informatique ainsi qu&rsquo;une premi&egrave;re exp&eacute;rience dans le domaine IT<\/p>","audience":"<p>Tout professionnel impliqu&eacute; dans les op&eacute;rations informatiques. Inclus sans &ecirc;tre restrictif :\n<\/p>\n<ul>\n<li>Data Analysts et Data Scientists ;<\/li><li>Responsables informatiques ;<\/li><li>Scrum Masters, Product Owners ;<\/li><li>Ing&eacute;nieurs logiciels ;<\/li><li>Ing&eacute;nieurs en fiabilit&eacute; des sites ;<\/li><li>Ing&eacute;nieurs et praticiens DevOps&hellip;<\/li><\/ul>","contents":"<h5>Introduction<\/h5><h5>Qu&rsquo;est-ce que l&rsquo;AIOps ?<\/h5><ul>\n<li>Historique et pr&eacute;d&eacute;cesseurs.<\/li><li>Technologies de base et concepts fondamentaux.<\/li><li>Les &eacute;tapes d&#039;un syst&egrave;me AIOps.<\/li><\/ul><h5>AIOps dans l&rsquo;entreprise<\/h5><ul>\n<li>Facteurs et influences.<\/li><li>AIOps et DevOps.<\/li><li>AIOps et la fiabilit&eacute; des sites.<\/li><li>AIOps et la s&eacute;curit&eacute;.<\/li><\/ul><h5>Au c&oelig;ur des technologies : la donn&eacute;e<\/h5><ul>\n<li>Qu&rsquo;est-ce que le Big Data ?<\/li><li>Les 5 V du Big Data.<\/li><li>Sources et types de donn&eacute;es utilis&eacute;s dans AIOps.<\/li><li>De la source &agrave; l&rsquo;AIOps.<\/li><\/ul><h5>Machine Learning<\/h5><ul>\n<li>AI et Machine Learning (ML).<\/li><li>Comment les mod&egrave;les ML apprennent-ils ?<\/li><li>Apprentissage supervis&eacute; ou non supervis&eacute; ?<\/li><li>Analytique vs AI.<\/li><li>L&rsquo;avenir de l&rsquo;IA dans les OPS.<\/li><\/ul><h5>AIOps et les m&eacute;triques OPS<\/h5><ul>\n<li>M&eacute;triques et op&eacute;rations.<\/li><li>M&eacute;triques cl&eacute;s &agrave; suivre.<\/li><li>Accords, objectifs et indicateurs.<\/li><\/ul><h5>Etat d&rsquo;esprit des entreprises<\/h5><ul>\n<li>Passer de la r&eacute;activit&eacute; &agrave; la proactivit&eacute;.<\/li><li>Du d&eacute;terminisme au probabilisme.<\/li><li>Cas d&rsquo;utilisation.<\/li><\/ul><h5>Evaluer l&rsquo;impact de l&rsquo;AIOps<\/h5><ul>\n<li>AIOps et les m&eacute;triques OPS.<\/li><li>AIOps, DevOps et SRE.<\/li><li>Am&eacute;liorer la pr&eacute;cision de l&rsquo;AI.<\/li><li>Visibilit&eacute; du syst&egrave;me AIOps.<\/li><\/ul><h5>Mettre en oeuvre AIOps dans l&rsquo;entreprise<\/h5><ul>\n<li>Eviter les probl&egrave;mes classiques.<\/li><li>Ethique et ML.<\/li><li>Les diff&eacute;rentes voies d&rsquo;impl&eacute;mentation.<\/li><\/ul><h5>Pr&eacute;paration &agrave; l&rsquo;examen &laquo; AIOps Foundation\u2120 &raquo;.<\/h5>","outline":"<h5>Introduction<\/h5><h5>Qu&rsquo;est-ce que l&rsquo;AIOps ?<\/h5><ul>\n<li>Historique et pr&eacute;d&eacute;cesseurs.<\/li><li>Technologies de base et concepts fondamentaux.<\/li><li>Les &eacute;tapes d&#039;un syst&egrave;me AIOps.<\/li><\/ul><h5>AIOps dans l&rsquo;entreprise<\/h5><ul>\n<li>Facteurs et influences.<\/li><li>AIOps et DevOps.<\/li><li>AIOps et la fiabilit&eacute; des sites.<\/li><li>AIOps et la s&eacute;curit&eacute;.<\/li><\/ul><h5>Au c&oelig;ur des technologies : la donn&eacute;e<\/h5><ul>\n<li>Qu&rsquo;est-ce que le Big Data ?<\/li><li>Les 5 V du Big Data.<\/li><li>Sources et types de donn&eacute;es utilis&eacute;s dans AIOps.<\/li><li>De la source &agrave; l&rsquo;AIOps.<\/li><\/ul><h5>Machine Learning<\/h5><ul>\n<li>AI et Machine Learning (ML).<\/li><li>Comment les mod&egrave;les ML apprennent-ils ?<\/li><li>Apprentissage supervis&eacute; ou non supervis&eacute; ?<\/li><li>Analytique vs AI.<\/li><li>L&rsquo;avenir de l&rsquo;IA dans les OPS.<\/li><\/ul><h5>AIOps et les m&eacute;triques OPS<\/h5><ul>\n<li>M&eacute;triques et op&eacute;rations.<\/li><li>M&eacute;triques cl&eacute;s &agrave; suivre.<\/li><li>Accords, objectifs et indicateurs.<\/li><\/ul><h5>Etat d&rsquo;esprit des entreprises<\/h5><ul>\n<li>Passer de la r&eacute;activit&eacute; &agrave; la proactivit&eacute;.<\/li><li>Du d&eacute;terminisme au probabilisme.<\/li><li>Cas d&rsquo;utilisation.<\/li><\/ul><h5>Evaluer l&rsquo;impact de l&rsquo;AIOps<\/h5><ul>\n<li>AIOps et les m&eacute;triques OPS.<\/li><li>AIOps, DevOps et SRE.<\/li><li>Am&eacute;liorer la pr&eacute;cision de l&rsquo;AI.<\/li><li>Visibilit&eacute; du syst&egrave;me AIOps.<\/li><\/ul><h5>Mettre en oeuvre AIOps dans l&rsquo;entreprise<\/h5><ul>\n<li>Eviter les probl&egrave;mes classiques.<\/li><li>Ethique et ML.<\/li><li>Les diff&eacute;rentes voies d&rsquo;impl&eacute;mentation.<\/li><\/ul><h5>Pr&eacute;paration &agrave; l&rsquo;examen &laquo; AIOps Foundation\u2120 &raquo;.<\/h5>","summary":"<p>L&#039;AIOps (Intelligence Artificielle pour les op&eacute;rations informatiques) est une approche qui utilise des capacit&eacute;s d&#039;intelligence artificielle pour automatiser et am&eacute;liorer les op&eacute;rations informatiques. Il s&#039;agit de combiner des techniques d&#039;analyse de donn&eacute;es, de Machine Learning et d&#039;automatisation pour optimiser la gestion des syst&egrave;mes informatiques et des infrastructures. \nL&#039;AIOPs comble le foss&eacute; entre, d&#039;une part, un paysage informatique de plus en plus diversifi&eacute;, dynamique et difficile &agrave; surveiller et, d&#039;autre part, les attentes des utilisateurs qui souhaitent des applications performantes et toujours (ou presque) disponibles.\nCette formation vise &agrave; fournir aux participants les principes cl&eacute;s et les concepts fondamentaux ainsi que les technologies de base de l&#039;AIOps : le Big Data et le Machine Learning. Elle pr&eacute;pare &eacute;galement au passage de la certification &laquo; AIOps Foundation\u2120 &raquo; propos&eacute;e par le DevOps Institute.<\/p>","objective_plain":"A l'issue de cette formation, vous serez en mesure de : \n\n\n\n- Comprendre les concepts fondamentaux et les principes cl\u00e9s de l\u2019AIOps ;\n- Appr\u00e9hender les concepts g\u00e9n\u00e9raux du Big Data et de l\u2019AI ainsi que la mani\u00e8re dont ils sont li\u00e9s \u00e0 l\u2019AIOps ;\n- Conna\u00eetre la relation entre AIOPs et MLOps ;\n- \u00catre en mesure de quantifier les r\u00e9sultats d\u2019une mise en \u0153uvre d\u2019AIOps \u00e0 l\u2019aide de m\u00e9triques cl\u00e9s ;\n- Comprendre les d\u00e9fis et les opportunit\u00e9s d\u2019utilisation de l\u2019AIOps dans l\u2019entreprise ;\n- Se pr\u00e9parer \u00e0 la certification \u00ab AIOps Foundation\u2120 \u00bb.","essentials_plain":"Il est recommand\u00e9 d\u2019avoir une bonne connaissance de la terminologie informatique ainsi qu\u2019une premi\u00e8re exp\u00e9rience dans le domaine IT","audience_plain":"Tout professionnel impliqu\u00e9 dans les op\u00e9rations informatiques. Inclus sans \u00eatre restrictif :\n\n\n\n- Data Analysts et Data Scientists ;\n- Responsables informatiques ;\n- Scrum Masters, Product Owners ;\n- Ing\u00e9nieurs logiciels ;\n- Ing\u00e9nieurs en fiabilit\u00e9 des sites ;\n- Ing\u00e9nieurs et praticiens DevOps\u2026","contents_plain":"Introduction\n\nQu\u2019est-ce que l\u2019AIOps ?\n\n\n- Historique et pr\u00e9d\u00e9cesseurs.\n- Technologies de base et concepts fondamentaux.\n- Les \u00e9tapes d'un syst\u00e8me AIOps.\nAIOps dans l\u2019entreprise\n\n\n- Facteurs et influences.\n- AIOps et DevOps.\n- AIOps et la fiabilit\u00e9 des sites.\n- AIOps et la s\u00e9curit\u00e9.\nAu c\u0153ur des technologies : la donn\u00e9e\n\n\n- Qu\u2019est-ce que le Big Data ?\n- Les 5 V du Big Data.\n- Sources et types de donn\u00e9es utilis\u00e9s dans AIOps.\n- De la source \u00e0 l\u2019AIOps.\nMachine Learning\n\n\n- AI et Machine Learning (ML).\n- Comment les mod\u00e8les ML apprennent-ils ?\n- Apprentissage supervis\u00e9 ou non supervis\u00e9 ?\n- Analytique vs AI.\n- L\u2019avenir de l\u2019IA dans les OPS.\nAIOps et les m\u00e9triques OPS\n\n\n- M\u00e9triques et op\u00e9rations.\n- M\u00e9triques cl\u00e9s \u00e0 suivre.\n- Accords, objectifs et indicateurs.\nEtat d\u2019esprit des entreprises\n\n\n- Passer de la r\u00e9activit\u00e9 \u00e0 la proactivit\u00e9.\n- Du d\u00e9terminisme au probabilisme.\n- Cas d\u2019utilisation.\nEvaluer l\u2019impact de l\u2019AIOps\n\n\n- AIOps et les m\u00e9triques OPS.\n- AIOps, DevOps et SRE.\n- Am\u00e9liorer la pr\u00e9cision de l\u2019AI.\n- Visibilit\u00e9 du syst\u00e8me AIOps.\nMettre en oeuvre AIOps dans l\u2019entreprise\n\n\n- Eviter les probl\u00e8mes classiques.\n- Ethique et ML.\n- Les diff\u00e9rentes voies d\u2019impl\u00e9mentation.\nPr\u00e9paration \u00e0 l\u2019examen \u00ab AIOps Foundation\u2120 \u00bb.","outline_plain":"Introduction\n\nQu\u2019est-ce que l\u2019AIOps ?\n\n\n- Historique et pr\u00e9d\u00e9cesseurs.\n- Technologies de base et concepts fondamentaux.\n- Les \u00e9tapes d'un syst\u00e8me AIOps.\nAIOps dans l\u2019entreprise\n\n\n- Facteurs et influences.\n- AIOps et DevOps.\n- AIOps et la fiabilit\u00e9 des sites.\n- AIOps et la s\u00e9curit\u00e9.\nAu c\u0153ur des technologies : la donn\u00e9e\n\n\n- Qu\u2019est-ce que le Big Data ?\n- Les 5 V du Big Data.\n- Sources et types de donn\u00e9es utilis\u00e9s dans AIOps.\n- De la source \u00e0 l\u2019AIOps.\nMachine Learning\n\n\n- AI et Machine Learning (ML).\n- Comment les mod\u00e8les ML apprennent-ils ?\n- Apprentissage supervis\u00e9 ou non supervis\u00e9 ?\n- Analytique vs AI.\n- L\u2019avenir de l\u2019IA dans les OPS.\nAIOps et les m\u00e9triques OPS\n\n\n- M\u00e9triques et op\u00e9rations.\n- M\u00e9triques cl\u00e9s \u00e0 suivre.\n- Accords, objectifs et indicateurs.\nEtat d\u2019esprit des entreprises\n\n\n- Passer de la r\u00e9activit\u00e9 \u00e0 la proactivit\u00e9.\n- Du d\u00e9terminisme au probabilisme.\n- Cas d\u2019utilisation.\nEvaluer l\u2019impact de l\u2019AIOps\n\n\n- AIOps et les m\u00e9triques OPS.\n- AIOps, DevOps et SRE.\n- Am\u00e9liorer la pr\u00e9cision de l\u2019AI.\n- Visibilit\u00e9 du syst\u00e8me AIOps.\nMettre en oeuvre AIOps dans l\u2019entreprise\n\n\n- Eviter les probl\u00e8mes classiques.\n- Ethique et ML.\n- Les diff\u00e9rentes voies d\u2019impl\u00e9mentation.\nPr\u00e9paration \u00e0 l\u2019examen \u00ab AIOps Foundation\u2120 \u00bb.","summary_plain":"L'AIOps (Intelligence Artificielle pour les op\u00e9rations informatiques) est une approche qui utilise des capacit\u00e9s d'intelligence artificielle pour automatiser et am\u00e9liorer les op\u00e9rations informatiques. Il s'agit de combiner des techniques d'analyse de donn\u00e9es, de Machine Learning et d'automatisation pour optimiser la gestion des syst\u00e8mes informatiques et des infrastructures. \nL'AIOPs comble le foss\u00e9 entre, d'une part, un paysage informatique de plus en plus diversifi\u00e9, dynamique et difficile \u00e0 surveiller et, d'autre part, les attentes des utilisateurs qui souhaitent des applications performantes et toujours (ou presque) disponibles.\nCette formation vise \u00e0 fournir aux participants les principes cl\u00e9s et les concepts fondamentaux ainsi que les technologies de base de l'AIOps : le Big Data et le Machine Learning. Elle pr\u00e9pare \u00e9galement au passage de la certification \u00ab AIOps Foundation\u2120 \u00bb propos\u00e9e par le DevOps Institute.","skill_level":"Intermediate","version":"1.0","duration":{"unit":"d","value":3,"formatted":"3 jours"},"pricelist":{"List Price":{"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":1490},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":1490},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":1235},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":1390},"NL":{"country":"NL","currency":"EUR","taxrate":21,"price":1490},"FR":{"country":"FR","currency":"EUR","taxrate":19.6,"price":1600},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":1490}}},"lastchanged":"2026-01-27T12:28:45+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/fr\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/fr\/json-course-schedule\/33238","source_lang":"fr","source":"https:\/\/portal.flane.ch\/swisscom\/fr\/json-course\/devops-aiof"}}