สอบถามหลักสูตรเลือกช่องทางที่สะดวก ทีมงานตอบเองทุกช่อง
LINE @itgeniusตอบเร็วที่สุด · จ–ศ 9:00–17:00 น.
โทรศัพท์
02-570-8449สำนักงาน088-807-9770มือถือ
อีเมลและโซเชียล
contact@itgenius.co.thสำหรับใบเสนอราคาและเอกสารFacebookitgeniusonlineYouTubeitgeniusengขอคำปรึกษาจัดอบรมให้ทีม
DevOps · DOP-07

AIOps and AI for IT Service Management

หลักสูตร AIOps and AI for IT Service Management เป็นการอบรมการใช้ AI กับข้อมูลจาก Prometheus และ Grafana ตั้งแต่ตรวจจับความผิดปกติ รวม Alert เป็น Incident และช่วยหาสาเหตุ ไปจนถึงจัดประเภท Ticket และสร้าง Runbook Agent ที่มีขั้นอนุมัติ เหมาะกับทีม IT Operations, SRE และ Service Desk

อัปเดตล่าสุด
ราคาเริ่มต้น 7,110 บาท / ท่าน 7,900 −10% ยังไม่รวม VAT 7% · มีราคาหมู่คณะ
PDFดาวน์โหลด Course Outline
  • ระยะเวลา12 ชั่วโมง · 2 วัน
  • รูปแบบออนไซต์ / ออนไลน์สด
  • รอบถัดไปเปิดตามคำขอ
  • ใบรับรองมี Certificate

ภาพรวมหลักสูตร

เมื่อระบบมีบริการจำนวนมาก ทีม IT Operations และ Service Desk มักเจอปัญหาเดียวกัน เหตุขัดข้องครั้งเดียวทำให้ Alert ดังพร้อมกันหลายสิบรายการ Ticket ไหลเข้ามาโดยไม่มีหมวดหมู่ที่ถูกต้อง ปัญหาเดิมถูกแก้ซ้ำเพราะหาวิธีแก้ครั้งก่อนไม่เจอ และ Runbook ที่เขียนไว้ก็ไม่มีใครเปิดอ่านตอนตีสอง AIOps และ AI สำหรับงาน ITSM ช่วยลดภาระเหล่านี้ได้ ถ้าออกแบบให้ AI ทำงานบนข้อมูลจริงขององค์กรและมีมนุษย์อนุมัติในจุดที่สำคัญ

หลักสูตรนี้ต่อยอดจาก Observability with Prometheus and Grafana โดยไม่ทวนพื้นฐานการติดตั้งและเขียน Dashboard แต่พาผู้เรียนนำข้อมูล Metric, Log และ Ticket มาใช้กับ AI อย่างเป็นระบบ เริ่มจากตรวจจับความผิดปกติของ Metric ลด Alert ที่ซ้ำซ้อนและรวมเป็น Incident เดียว วิเคราะห์ Log และสร้างผู้ช่วยหาสาเหตุที่อ้างหลักฐานได้ จากนั้นใช้ LLM จัดประเภทและส่งต่อ Ticket หา Ticket ที่คล้ายกันพร้อมคำตอบจาก Knowledge Base และเปลี่ยน Runbook เป็น Runbook Agent ที่ทำงานผ่าน n8n โดยต้องขออนุมัติก่อนแก้ไขระบบ แล้วปิดท้ายด้วย Capstone ตั้งแต่ Alert จนถึงปิด Ticket (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate)

สิ่งที่คุณจะได้รับ

  • อธิบายแนวคิด AIOps และเลือกใช้สถิติ Machine Learning หรือ LLM ให้เหมาะกับแต่ละงาน
  • ตรวจจับความผิดปกติของ Metric จาก Prometheus ได้แม่นกว่าการตั้ง Threshold แบบตายตัว
  • ลด Alert ที่ซ้ำซ้อนและรวม Alert ที่เกี่ยวข้องกันเป็น Incident เดียว
  • ใช้ AI วิเคราะห์ Log และช่วยหาสาเหตุของปัญหาโดยอ้างหลักฐานได้
  • จัดประเภท กำหนดความสำคัญ และส่งต่อ Ticket อัตโนมัติพร้อมวัดความแม่นยำ
  • สร้างระบบหา Ticket ซ้ำและแนะนำวิธีแก้จาก Knowledge Base
  • เปลี่ยน Runbook เป็น Runbook Agent ที่มีขั้นอนุมัติและบันทึกการทำงาน
  • วัดผลและกำกับดูแลการใช้ AI ในงาน IT Operations อย่างปลอดภัย

หลักสูตรนี้เหมาะสำหรับ

  • ทีม IT Operations, SRE และ DevOps ที่ดูแลระบบด้วย Prometheus และ Grafana
  • ทีม Service Desk และ ITSM ที่ต้องการจัดการ Ticket ได้เร็วและแม่นขึ้น
  • Platform Engineer ที่อยากลด Alert Fatigue และงานแก้ปัญหาซ้ำ ๆ
  • หัวหน้าทีม IT ที่ต้องวางแนวทางนำ AI มาใช้ในงานปฏิบัติการ
  • ผู้ที่ผ่านหลักสูตร Observability with Prometheus and Grafana หรือมีประสบการณ์ใกล้เคียง

พื้นฐานของผู้เข้าอบรม

  • ใช้งาน Prometheus, Alertmanager และ Grafana ได้ หรือผ่านหลักสูตร Observability with Prometheus and Grafana
  • เขียน Python ขั้นพื้นฐานได้ และใช้ Docker กับ Command Line บน Linux ได้
  • เข้าใจกระบวนการ Incident, Request และ Change ในงาน IT Service Management เบื้องต้น
  • โน้ตบุ๊ก RAM อย่างน้อย 16 GB ที่ติดตั้ง Docker Desktop ได้ พร้อมสิทธิ์ติดตั้งโปรแกรม

หัวข้อการฝึกอบรม

รายละเอียดหลักสูตร

อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายสลับ Lab บนระบบ Microservice จำลองชุดเดียวตลอดหลักสูตร ระดับ Intermediate หลักสูตรนี้ต่อยอดจาก Observability with Prometheus and Grafana โดยไม่ทวนการติดตั้งหรือการเขียน PromQL และ Dashboard พื้นฐาน แต่นำข้อมูล Metric, Log และ Ticket มาใช้กับ AI ตั้งแต่ Anomaly Detection, Alert Correlation และการหาสาเหตุ

ไปจนถึงการจัดการ Ticket และ Runbook Agent ที่ต้องขออนุมัติก่อนแก้ระบบ ทุก Lab รันบนเครื่องของผู้เรียนด้วย Docker ผู้เรียนใช้ LLM บนเครื่องผ่าน Ollama หรือใช้ API Key ของตนเองหรือของบริษัท ซึ่งค่าใช้ API เป็นไปตามการใช้งานจริง ผู้เรียนจะได้ Lab Guide ไฟล์ docker-compose ของระบบจำลอง สคริปต์ Python ไฟล์ Workflow ของ n8n และแม่แบบ Runbook กลับไปใช้งานต่อ

Day 1 AIOps: จาก Metric และ Log สู่ Incident

Section 1: AIOps และ AI for ITSM ภาพรวม

  • AIOps คืออะไร: ลดสัญญาณรบกวน หาความสัมพันธ์ ตรวจจับความผิดปกติ และช่วยหาสาเหตุ
  • งานใดเหมาะกับสถิติ งานใดเหมาะกับ Machine Learning และงานใดเหมาะกับ LLM
  • กระบวนการ ITSM ที่ AI เข้าไปช่วยได้: Incident, Request, Problem และ Change
  • ความเสี่ยงของการให้ AI แก้ระบบเอง และหลักการให้มนุษย์อนุมัติ

Section 2: Lab: เตรียมระบบจำลองสำหรับ AIOps

  • ติดตั้งแอป Microservice จำลองพร้อม Prometheus, Alertmanager, Grafana และ Loki ด้วย Docker Compose
  • ติดตั้ง n8n แบบ Self-host และเชื่อมกับ LLM ผ่าน Ollama หรือ API
  • ติดตั้งระบบ Ticket โอเพนซอร์สและนำเข้าชุด Ticket ตัวอย่าง
  • Lab: ใช้สคริปต์จำลองเหตุขัดข้องครั้งแรก แล้วนับว่า Alert ดังพร้อมกันกี่รายการ

Section 3: Lab: ตรวจจับความผิดปกติของ Metric

  • ข้อจำกัดของ Threshold แบบตายตัวกับระบบที่มีรอบการใช้งานรายวันและรายสัปดาห์
  • สร้าง Baseline ด้วย Recording Rule และฟังก์ชันของ PromQL เช่น predict_linear
  • ตรวจความผิดปกติด้วย Python ทั้งแบบสถิติและ Machine Learning แล้วส่งผลกลับเป็น Alert
  • Lab: จับการใช้ทรัพยากรที่ผิดปกติก่อนถึง Threshold เดิม

Section 4: Lab: ลด Alert ซ้ำและรวมเป็น Incident

  • ใช้ Grouping, Inhibition และ Silence ของ Alertmanager ให้เต็มความสามารถ
  • รวม Alert ตามช่วงเวลา Label และความสัมพันธ์ระหว่างบริการ
  • ส่งกลุ่ม Alert ให้ LLM สรุปเป็น Incident เดียวพร้อมผลกระทบ
  • Lab: เปลี่ยน Alert หลายสิบรายการจากเหตุขัดข้องจำลองให้เหลือ Incident เดียว

Section 5: Lab: วิเคราะห์ Log ด้วย AI

  • ค้น Log ที่เกี่ยวข้องกับ Incident ด้วย LogQL ของ Loki
  • จัดกลุ่มข้อความ Log เป็นแม่แบบเพื่อหาข้อความใหม่ที่ไม่เคยพบ
  • ให้ LLM สรุป Error ที่เกิดถี่และจุดที่เริ่มผิดปกติ
  • Lab: หาข้อความ Log ใหม่ที่ปรากฏหลัง Deploy ที่ผิดพลาด

Section 6: Lab: ผู้ช่วยหาสาเหตุของปัญหา

  • รวบรวมบริบท: Metric, Log, การ Deploy และการเปลี่ยนแปลงล่าสุด
  • ให้ LLM ตั้งสมมติฐานสาเหตุพร้อมหลักฐานและระดับความมั่นใจ
  • ตรวจสมมติฐานกับข้อมูลจริง และระวังคำตอบที่ฟังดูดีแต่ไม่มีหลักฐาน
  • ภาพรวมฟีเจอร์ AI ใน Grafana และการเชื่อม Agent กับ Grafana ผ่าน MCP
  • Lab: สร้างผู้ช่วยที่เสนอสาเหตุของเหตุขัดข้องจำลองพร้อมลิงก์หลักฐาน
Day 2 AI for ITSM และ Runbook Agent

Section 7: Lab: จัดประเภทและส่งต่อ Ticket อัตโนมัติ

  • ออกแบบหมวดหมู่ ความสำคัญ และทีมรับผิดชอบที่ AI ต้องเลือก
  • เปรียบเทียบ LLM แบบ Few-shot กับตัวจำแนกจาก Embedding
  • วัดผลด้วย Confusion Matrix และกำหนดเกณฑ์ส่งให้คนตรวจเมื่อไม่มั่นใจ
  • Lab: จัดประเภทชุด Ticket ตัวอย่างและวัดความแม่นยำก่อนเปิดใช้จริง

Section 8: Lab: Ticket ซ้ำและ Knowledge Base

  • หา Ticket ที่คล้ายกันด้วย Vector Search เพื่อรวมปัญหาเดียวกัน
  • แนะนำวิธีแก้จาก Ticket เก่าและบทความ Knowledge Base พร้อมอ้างที่มา
  • ร่างบทความ KB ใหม่จาก Ticket ที่ปิดแล้ว ให้เจ้าหน้าที่ตรวจก่อนเผยแพร่
  • Lab: ผู้ช่วย Service Desk ที่เสนอคำตอบจาก KB ให้เจ้าหน้าที่ยืนยัน

Section 9: Lab: จาก Runbook สู่ Runbook Agent

  • เขียน Runbook ให้เป็นขั้นตอนที่มีโครงสร้าง ทั้งเงื่อนไข คำสั่ง และผลที่คาดหวัง
  • สร้าง Agent ใน n8n ที่เรียกเครื่องมือผ่าน MCP โดยเริ่มจากสิทธิ์อ่านอย่างเดียว
  • ให้ Agent เลือก Runbook ตามประเภท Incident และรายงานผลแต่ละขั้น
  • Lab: Agent ที่ตรวจอาการฐานข้อมูลช้าตาม Runbook แล้วสรุปผลลง Ticket

Section 10: Lab: Auto-remediation อย่างปลอดภัย

  • เลือกงานที่เหมาะกับการแก้อัตโนมัติ พร้อม Allowlist ของคำสั่ง, Dry-run และแผน Rollback
  • ขออนุมัติจากมนุษย์ผ่านแชตก่อนแก้ระบบ และเชื่อมกับกระบวนการ Change
  • บันทึก Audit Log ของทุกการตัดสินใจและทุกคำสั่ง
  • Lab: แก้เหตุหน่วยความจำรั่วด้วยการ Restart ที่ต้องกดอนุมัติก่อน

Section 11: วัดผลและกำกับดูแล AIOps

  • ตัวชี้วัด: MTTA, MTTR, จำนวน Alert ต่อ Incident และความแม่นยำของการจัดประเภท
  • ติดตามค่าใช้จ่ายของ LLM และเลือกโมเดลให้คุ้มกับงาน
  • นโยบายข้อมูลและ PDPA เมื่อ Ticket และ Log มีข้อมูลส่วนบุคคล
  • Workshop: Dashboard วัดผล AIOps ใน Grafana

Section 12: Workshop: Capstone ตั้งแต่ Alert ถึงปิด Ticket

  • รับเหตุขัดข้องจำลองที่ซับซ้อนจากวิทยากร
  • ตรวจจับ รวม Alert เป็น Incident และเปิด Ticket อัตโนมัติ
  • หาสาเหตุด้วยผู้ช่วย AI และแก้ด้วย Runbook Agent ที่มีขั้นอนุมัติ
  • ปิด Ticket พร้อมร่างบทความ KB และรายงานหลังเหตุการณ์

รอบอบรมและรูปแบบการอบรม

สำหรับบุคคล — รอบอบรมทั่วไป

ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770

สำหรับองค์กร — In-house / Private Training

  • ปรับเนื้อหาให้ตรงกับเครื่องมือและงานจริงของทีม
  • เลือกวันเอง อบรมที่บริษัทหรือออนไลน์สด
  • ออกใบเสนอราคาในนามนิติบุคคลให้ฝ่ายจัดซื้อ
ขอใบเสนอราคาอบรมองค์กร

วิทยากรผู้สอน

คำถามที่พบบ่อย

AIOps คืออะไร ต่างจากการ Monitoring แบบเดิมอย่างไร

AIOps คือการนำสถิติ Machine Learning และ LLM มาใช้กับข้อมูลงานปฏิบัติการ IT เช่น Metric, Log และ Ticket Monitoring แบบเดิมแจ้งเตือนเมื่อค่าเกิน Threshold ตายตัว จึงมักมี Alert มากและซ้ำ AIOps ช่วยตรวจความผิดปกติตามรูปแบบปกติของระบบ รวม Alert ที่เกี่ยวข้องเป็น Incident เดียว และช่วยหาสาเหตุจากหลักฐาน โดยคนยังเป็นผู้ตัดสินใจ

ตรวจจับความผิดปกติของ Metric โดยไม่ใช้ Threshold ตายตัวทำได้อย่างไร

ใช้วิธีที่เรียนรู้รูปแบบปกติของ Metric เอง เช่น เทียบกับค่าเฉลี่ยเคลื่อนที่และส่วนเบี่ยงเบนมาตรฐาน เทียบกับช่วงเวลาเดียวกันของวันหรือสัปดาห์ก่อน หรือใช้โมเดล Machine Learning ที่คำนึงถึง Seasonality เมื่อค่าหลุดจากช่วงที่คาดไว้จึงแจ้งเตือน ทำให้จับปัญหาได้ก่อนค่าจะถึง Threshold และลดการแจ้งเตือนผิดในช่วงที่โหลดสูงตามปกติ

Runbook Agent คืออะไร และทำให้ปลอดภัยได้อย่างไร

Runbook Agent คือการแปลง Runbook ที่เป็นเอกสารขั้นตอนแก้ปัญหาให้ AI Agent อ่านสถานการณ์ เลือกขั้นตอน และเรียกเครื่องมือตรวจหรือแก้ระบบได้ ความปลอดภัยมาจากการจำกัดให้ใช้ได้เฉพาะคำสั่งที่กำหนดไว้ ให้คนอนุมัติก่อนทำงานที่เปลี่ยนแปลงระบบ บันทึกทุกการทำงานไว้ตรวจสอบ และมีวิธีย้อนกลับเมื่อการแก้ไขไม่ได้ผล

หลักสูตร AIOps and AI for IT Service Management เหมาะกับใคร ต้องมีพื้นฐานอะไรมาก่อน

เหมาะกับทีม IT Operations, SRE และ DevOps ที่ดูแลระบบด้วย Prometheus และ Grafana ทีม Service Desk และ ITSM ที่ต้องการจัดการ Ticket ได้เร็วขึ้น และ Platform Engineer ที่อยากลด Alert Fatigue ควรใช้ Prometheus, Alertmanager และ Grafana ได้ หรือผ่านหลักสูตร Observability with Prometheus and Grafana เขียน Python และใช้ Docker บน Linux ขั้นพื้นฐานได้ และเข้าใจกระบวนการ Incident, Request และ Change เบื้องต้น

เรียนจบหลักสูตร AIOps and AI for IT Service Management แล้วทำอะไรได้บ้าง

ตรวจจับความผิดปกติของ Metric จาก Prometheus ลด Alert ซ้ำและรวมเป็น Incident เดียว ใช้ AI วิเคราะห์ Log และช่วยหาสาเหตุโดยอ้างหลักฐาน จัดประเภทและส่งต่อ Ticket อัตโนมัติ หา Ticket ซ้ำจาก Knowledge Base และสร้าง Runbook Agent ที่มีขั้นอนุมัติ ผู้ผ่านการอบรมได้รับใบประกาศนียบัตร (Certificate of Completion) ที่มีเลขที่ของตัวเองและตรวจสอบออนไลน์ได้

จัดอบรมหลักสูตร AIOps and AI for IT Service Management ให้ทีมในองค์กรได้ไหม

ได้ หลักสูตรนี้จัดเป็นการอบรมแบบ In-house ให้ทีมในองค์กรได้ และปรับตัวอย่างให้ตรงกับงานของทีม เช่น ใช้ประเภท Alert และ Ticket ที่ทีมเจอบ่อยเป็นโจทย์ในการฝึก ขอใบเสนอราคาได้จากหน้านี้ หรือติดต่อทาง LINE @itgenius โทร 02-570-8449