ໂທ. 02-570-8449 ມືຖື 088-807-9770 ຊຳລະເງິນ
ຈ–ສ 9:00–17:00 ໂມງ @itgenius
ສະຖາບັນໄອທີຈີເນຍສ໌IT Genius Institute
ສະຖາບັນໄອທີຈີເນຍສ໌IT Genius Institute
ຫຼັກສູດເວີກຊັອບຕາຕະລາງຝຶກອົບຮົມ
ສຳລັບອົງກອນ
ຝຶກອົບຮົມພາຍໃນອົງກອນ (In-house)AI Transformationຝຶກອົບຮົມໜ່ວຍງານລັດບໍລິການພັດທະນາລະບົບເຊົ່າຫ້ອງຝຶກອົບຮົມ
ບົດຄວາມ
ກ່ຽວກັບພວກເຮົາ
ຮູ້ຈັກສະຖາບັນໄອທີຈີເນຍສ໌ວິທະຍາກອນຜົນງານລູກຄ້າຂອງພວກເຮົາຊ່ອງທາງຊຳລະເງິນ
ຕິດຕໍ່ພວກເຮົາຄອສອອນລາຍ
ຮູບແບບສີ
ພາສາ
THENLA
ສອບຖາມຫຼັກສູດເລືອກຊ່ອງທາງທີ່ສະດວກ ທີມງານຕອບເອງທຸກຊ່ອງທາງ
LINE @itgeniusຕອບໄວທີ່ສຸດ · ຈ–ສ 9:00–17:00 ໂມງ
ໂທລະສັບ
02-570-8449ຫ້ອງການ088-807-9770ມືຖື
ອີເມວ ແລະ ໂຊຊຽວ
contact@itgenius.co.thສຳລັບໃບສະເໜີລາຄາ ແລະ ເອກະສານFacebookitgeniusonlineYouTubeitgeniusengຂໍຄຳປຶກສາຈັດຝຶກອົບຮົມໃຫ້ທີມ
ໜ້າຫຼັກ / ຫຼັກສູດ / DevOps / ລາຍລະອຽດ
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

ອັບເດດລ່າສຸດ
AIOps and AI for IT Service Management
ລາຄາເລີ່ມຕົ້ນ 7,110 ບາດ / ທ່ານ 7,900 −10% ຍັງບໍ່ລວມ VAT 7% · ມີລາຄາໝູ່ຄະນະ
ຂໍໃບສະເໜີລາຄາຝຶກອົບຮົມອົງກອນ ລົງຊື່ຈອງໄວ້
PDFດາວໂຫຼດ Course Outline
  • ໄລຍະເວລາ12 ຊົ່ວໂມງ · 2 ມື້
  • ຮູບແບບຢູ່ສະຖາບັນ / ອອນລາຍສົດ
  • ຮອບຕໍ່ໄປເປີດຕາມຄຳຂໍ
  • ໃບຢັ້ງຢືນມີໃບຢັ້ງຢືນ

ພາບລວມຫຼັກສູດ

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)

ສິ່ງທີ່ທ່ານຈະໄດ້ຮັບ

  • 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

ຫຼັກສູດນີ້ເໝາະສຳລັບ

  • 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

ພື້ນຖານຂອງຜູ້ເຂົ້າຝຶກອົບຮົມ

  • 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

ຫົວຂໍ້ການຝຶກອົບຮົມ

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

ຮອບຝຶກອົບຮົມ ແລະ ຮູບແບບການຝຶກອົບຮົມ

ສຳລັບບຸກຄົນ — ຮອບຝຶກອົບຮົມທົ່ວໄປ

ຂະນະນີ້ຍັງບໍ່ມີຮອບຝຶກອົບຮົມເປີດຮັບສະໝັກ ລົງຊື່ຈອງໄວ້ໄດ້ເລີຍ ທີມງານຈະຕິດຕໍ່ກັບເປັນກຸ່ມທຳອິດເມື່ອເປີດຮອບຕໍ່ໄປ ຫຼື ສອບຖາມທາງ LINE ຫຼື ໂທ 02-570-8449 ຫຼື 088-807-9770

ລົງຊື່ຈອງໄວ້ ສອບຖາມຮອບຝຶກອົບຮົມ

ສຳລັບອົງກອນ — In-house / Private Training

  • ປັບເນື້ອໃນໃຫ້ກົງກັບເຄື່ອງມື ແລະ ວຽກຈິງຂອງທີມ
  • ເລືອກວັນເອງ ຝຶກອົບຮົມທີ່ບໍລິສັດ ຫຼື ອອນລາຍສົດ
  • ອອກໃບສະເໜີລາຄາໃນນາມນິຕິບຸກຄົນໃຫ້ຝ່າຍຈັດຊື້
ຂໍໃບສະເໜີລາຄາຝຶກອົບຮົມອົງກອນ

ວິທະຍາກອນຜູ້ສອນ

ຄຳຖາມທີ່ພົບເລື້ອຍ

หลักสูตร AIOps and AI for IT Service Management เหมาะกับใคร ต้องมีพื้นฐานอะไรมาก่อน

เหมาะกับ 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 พื้นฐานที่ผู้เรียนควรมี ใช้งาน Prometheus, Alertmanager และ Grafana ได้ หรือผ่านหลักสูตร Observability with Prometheus and Grafana · เขียน Python ขั้นพื้นฐานได้ และใช้ Docker กับ Command Line บน Linux ได้ หากไม่แน่ใจว่าพื้นฐานพอหรือไม่ ปรึกษาทีมงานได้ฟรีทาง LINE @itgenius หรือโทร 02-570-8449

หลักสูตร AIOps and AI for IT Service Management ราคาเท่าไร ใช้เวลาเรียนกี่ชั่วโมง

ราคาปกติ 7,900 บาท (โปรโมชันปัจจุบันเหลือ 7,110 บาท) ใช้เวลาอบรม 12 ชั่วโมง ราคานี้ยังไม่รวม VAT 7% (กรณีชำระในนามนิติบุคคล) ชำระค่าอบรมด้วยการโอนเข้าบัญชีบริษัท แล้วแจ้งชำระเงินผ่านหน้าแจ้งชำระเงินของเว็บไซต์ และขอใบเสร็จรับเงินหรือใบกำกับภาษีในนามบริษัทได้

เรียนจบได้รับ Certificate หรือไม่

ได้รับ ผู้ผ่านการอบรมทุกท่านจะได้รับใบประกาศนียบัตร (Certificate of Completion) จากสถาบันไอทีจีเนียส ใบประกาศแต่ละใบมีเลขที่ของตัวเอง ใครก็ตามที่มีเลขที่ใบประกาศตรวจสอบความถูกต้องออนไลน์ได้ที่หน้าตรวจสอบใบประกาศของสถาบัน จึงใช้แนบแฟ้มผลงานหรือส่งให้ฝ่ายบุคคลประกอบการพัฒนาบุคลากรได้

อบรมที่ไหน มีเรียนแบบออนไลน์หรือไม่

เรียนได้ทั้งแบบออนไซต์ที่สถาบันไอทีจีเนียส และนัดเรียนผ่านออนไลน์ และรับจัดอบรมเฉพาะทีม (In-house Training) ให้องค์กร สอบถามรอบและสถานที่ได้ที่ LINE @itgenius หรือโทร 02-570-8449

ถ้าเรียนไม่ทันหรือขาดเรียน มีเรียนซ้ำ/เรียนชดเชยหรือไม่

มี ผู้เรียนสามารถแจ้งขอเรียนซ้ำ (repeat) ในรอบถัดไปของหลักสูตรเดียวกันได้ฟรีตามเงื่อนไขของสถาบัน แจ้งชื่อหลักสูตรและรอบที่เคยเรียนกับทีมงาน แล้วทีมงานจะตรวจสอบและแจ้งรอบที่ยังมีที่นั่งว่างให้เลือก สอบถามได้ที่ LINE @itgenius หรือโทร 02-570-8449

สมัครเรียนหรือขอใบเสนอราคาในนามบริษัทได้อย่างไร

สมัครออนไลน์ได้จากแบบฟอร์มลงทะเบียนบนหน้านี้ ลงทะเบียนผู้เข้าอบรมหลายคนได้ในครั้งเดียว และกรอกเลขประจำตัวผู้เสียภาษีกับที่อยู่สำหรับออกใบกำกับภาษีได้ในฟอร์ม หรือขอใบเสนอราคา (Quotation) ในนามนิติบุคคลได้ทันทีจากปุ่มขอใบเสนอราคา สอบถามเพิ่มเติมโทร 02-570-8449 หรือ LINE @itgenius