تقنية المعلومات والاتصالات

الذكاء الاصطناعي في عمليات تقنية المعلومات (AIOps) وأتمتة الشبكات

يتعلم المشارك توظيف الذكاء الاصطناعي في عمليات تقنية المعلومات لكشف الشذوذ وربط التنبيهات وتحديد السبب المرجح للأعطال، وأتمتة تغييرات الشبكة بالنماذج والشيفرة مع تحقق مسبق وتراجع آلي عند الخطأ.

سجّل الآناستكشف المحتوى
المدة5 أيام تدريبية
المحتوى5 محاور · 10 جلسات
بعد البرنامجشهادة حضور معتمدة

لمحة عن الدورة

تستقبل فرق التشغيل سيلاً متواصلاً من التنبيهات القادمة من الخوادم والتطبيقات وأجهزة الشبكة، فيضيع الإنذار المهم وسط الضجيج، ويتحول تشخيص العطل إلى اجتماع طويل يدافع فيه كل فريق عن نظامه. يوظف الذكاء الاصطناعي في عمليات تقنية المعلومات (AIOps) تعلم الآلة لتجميع الأحداث المترابطة وكشف الشذوذ قبل أن يلاحظه المستخدم واقتراح السبب المرجح، بينما تنقل أتمتة الشبكات التغيير من أوامر تكتب يدوياً على كل جهاز إلى سير عمل مختبر يعتمد على نماذج (YANG) وبروتوكولي (NETCONF) و(gNMI) وأدوات مثل (Ansible) ومصدر حقيقة موحد. تجمع الدورة المسارين في حلقة مغلقة: قياس متدفق، فتحليل ذكي، فإجراء آلي محكوم بمستويات موافقة واضحة. يتدرب المشاركون على بيانات تشغيل نموذجية وشبكة افتراضية في المختبر، فيبنون نموذجاً لكشف الشذوذ، وقواعد لربط الأحداث، ودليل تشغيل آلياً، وخطاً للتحقق من الإعدادات قبل نشرها. والحصيلة خارطة طريق عملية تنقل مركز العمليات من رد الفعل إلى الاستباق.

الأهداف المتوقعة من الدورة

01

تصميم خط لجمع البيانات التشغيلية يوحد المقاييس والسجلات والآثار والقياس المتدفق من أجهزة الشبكة في منصة واحدة صالحة للتحليل الآلي.

02

بناء نموذج لكشف الشذوذ في مؤشرات الأداء يراعي الموسمية اليومية والأسبوعية، وقياس جودته بمعدل الإنذارات الكاذبة والحالات الفائتة.

03

أتمتة تغيير إعدادات الشبكة من القالب إلى النشر عبر (Ansible) و(NETCONF)، مع تحقق مسبق من أثر التغيير وتراجع آلي عند الفشل.

04

قياس أثر المبادرة على متوسط زمن الاكتشاف ومتوسط زمن الاستعادة وحجم التنبيهات المكررة، وعرض النتائج في لوحة قرار للإدارة.

المستهدفون

01

مهندسو مراكز عمليات الشبكة (NOC) ومراكز العمليات التقنية المثقلون بالتنبيهات والتشخيص اليدوي.

02

مهندسو الشبكات الراغبون في الانتقال من سطر الأوامر إلى البرمجة والأتمتة القائمة على النماذج.

03

مهندسو موثوقية المواقع (SRE) وفرق المراقبة المسؤولة عن منصات الرصد والاستجابة للحوادث.

04

مديرو عمليات تقنية المعلومات الذين يقيمون منصات الذكاء الاصطناعي في العمليات ويحددون أولويات الأتمتة.

المحاور العلمية

اضغط على أي محور لاستعراض جلساته وبنوده.

01

المحور الأول: البيانات التشغيلية أساس الذكاء الاصطناعي في عمليات تقنية المعلومات

2 جلسات · 6 نقاط

1الجلسة الأولى: القابلية للملاحظة ومصادر البيانات التشغيلية

  • التمييز بين المراقبة التقليدية والقابلية للملاحظة، وتحديد ما تكشفه المقاييس والسجلات والآثار الموزعة من أسئلة لا تجيب عنها لوحات الحالة.
  • توحيد جمع البيانات بإطار (OpenTelemetry)، وتحديد الوسوم المشتركة التي تربط حدثاً في التطبيق بالخادم والمنفذ الشبكي المرتبطين به.
  • تقييم جودة البيانات التشغيلية من حيث الاكتمال وتزامن الطوابع الزمنية واتساق أسماء الأصول، لأن النموذج لا يصلح ما أفسده الجمع.

2الجلسة الثانية: القياس المتدفق من أجهزة الشبكة

  • مقارنة الاستطلاع الدوري ببروتوكول (SNMP) مع القياس المتدفق عبر (gNMI)، وأثر دقة العينات على اكتشاف الاختناقات القصيرة.
  • جمع سجلات (Syslog) وبيانات التدفقات (IPFIX)، وتحليل ما تضيفه لفهم مسار الحركة وتحديد التطبيقات المستهلكة لعرض النطاق.
  • بناء خريطة طوبولوجيا حية من بروتوكولات اكتشاف الجوار وقاعدة بيانات إدارة الإعدادات، لتكون أساساً لربط الأحداث بموقعها في الشبكة.
02

المحور الثاني: تحليل الأحداث بتعلم الآلة من الضجيج إلى السبب الجذري

2 جلسات · 6 نقاط

1الجلسة الأولى: كشف الشذوذ والتنبؤ بالأعطال

  • تطبيق خطوط أساس ديناميكية بدل العتبات الثابتة، واختيار خوارزميات مناسبة للسلاسل الزمنية مثل التحليل الموسمي وغابة العزل.
  • التنبؤ بامتلاء الأقراص وتشبع الوصلات بنماذج الاتجاه، وتحديد أفق التنبؤ الذي يمنح الفريق وقتاً كافياً للتصرف.
  • إدارة انحراف النموذج بعد تغير البنية أو نمط الاستخدام، ووضع دورة مراجعة وإعادة تدريب تستفيد من ملاحظات المهندسين على الإنذارات.

2الجلسة الثانية: ربط الأحداث وتقليل الضجيج وتحديد السبب المرجح

  • تجميع التنبيهات المتقاربة زمنياً والمترابطة طوبولوجياً في حادثة واحدة، وقياس معدل الضغط دون إخفاء أعطال مستقلة.
  • تحليل السبب الجذري المرجح بتتبع التبعيات بين الخدمات، ومقارنة نتائج الأداة بتحليل المهندسين في حوادث سابقة.
  • توظيف النماذج اللغوية الكبيرة في تلخيص الحوادث واقتراح خطوات التشخيص، مع ضوابط تمنع تنفيذ أوامر غير معتمدة أو تسريب بيانات حساسة.
03

المحور الثالث: أتمتة الشبكات القائمة على النماذج والبرمجة

2 جلسات · 6 نقاط

1الجلسة الأولى: نماذج البيانات وواجهات الأجهزة

  • قراءة نماذج (YANG) واستخدامها عبر (NETCONF) و(RESTCONF) لقراءة الإعدادات وتعديلها بصورة منظمة بدل تحليل مخرجات نصية.
  • كتابة برامج (Python) تجمع الحالة التشغيلية من مجموعة كبيرة من الموجهات والمبدلات، وتقارنها آلياً بالإعداد المعتمد لكل جهاز.
  • إنشاء قوالب إعدادات بلغة (Jinja2) تفصل منطق التهيئة عن بيانات كل موقع، وتقلل أخطاء النسخ اليدوي بين الأجهزة.

2الجلسة الثانية: مصدر الحقيقة ومستودع الإعدادات

  • بناء مصدر حقيقة للشبكة يسجل الأجهزة والعناوين والشبكات الافتراضية بأداة مثل (NetBox)، واعتماده مرجعاً وحيداً لتوليد الإعدادات.
  • إدارة الإعدادات في مستودع (Git) مع مراجعة الأقران لكل تغيير، وربط طلب الدمج بتذكرة التغيير المعتمدة.
  • رصد انحراف الإعدادات الفعلية عن الحالة المقصودة، وتحديد متى يصحح الانحراف آلياً ومتى يرفع للمراجعة البشرية.
04

المحور الرابع: التحقق من التغييرات والأتمتة ذات الحلقة المغلقة

2 جلسات · 6 نقاط

1الجلسة الأولى: خط تكامل ونشر لتغييرات الشبكة

  • تصميم خط يمر فيه التغيير بفحص الصياغة ثم بالتحقق من السلوك بأداة تحليل الإعدادات (Batfish) قبل وصوله إلى أي جهاز حي.
  • اختبار التغيير على توأم رقمي للشبكة أو مختبر افتراضي مثل (Containerlab)، ومقارنة جداول التوجيه قبل التطبيق وبعده.
  • تنفيذ النشر التدريجي على موقع تجريبي ثم على بقية المواقع، مع نقاط تحقق آلية وخطة تراجع جاهزة لكل مرحلة.

2الجلسة الثانية: الاستجابة الآلية وأدلة التشغيل

  • تحويل إجراءات الإصلاح المتكررة إلى أدلة تشغيل آلية، مثل إعادة تشغيل خدمة متوقفة أو تحويل الحركة بعيداً عن وصلة متدهورة.
  • تحديد مستوى الاستقلالية لكل إجراء: اقتراح فقط، أو تنفيذ بعد موافقة بشرية، أو تنفيذ ذاتي مع إشعار وسجل تدقيق.
  • ربط الأتمتة بممارستي مراقبة الأحداث وإدارة الحوادث في إدارة خدمات تقنية المعلومات، حتى تسجل كل استجابة آلية في التذكرة وتخضع للمراجعة اللاحقة.
05

المحور الخامس: قياس قيمة الذكاء الاصطناعي في العمليات وحوكمة الأتمتة

2 جلسات · 6 نقاط

1الجلسة الأولى: مؤشرات النجاح ودراسة الجدوى

  • تحديد خط أساس قبل التطبيق لمتوسط زمن الاكتشاف والاستعادة وعدد التذاكر لكل حادثة، لإثبات الأثر ببيانات المؤسسة نفسها.
  • إعداد دراسة جدوى تقارن كلفة المنصة وجهد تهيئة البيانات بالوقت الموفر وتقليل التوقف، واختيار نقطة الانطلاق الأعلى عائداً.
  • تقييم منصات الذكاء الاصطناعي في العمليات بمعايير مثل مصادر البيانات المدعومة وقابلية تفسير النتائج والتكامل مع أنظمة التذاكر.

2الجلسة الثانية: المخاطر والمهارات وخارطة الطريق

  • تحليل مخاطر الأتمتة الخاطئة واسعة الأثر، ووضع حدود لنطاق كل تنفيذ وقواطع أمان توقف السلسلة عند تجاوز عدد الأجهزة المتأثرة حداً معتمداً.
  • تطوير مهارات فريق الشبكات في البرمجة والتحكم بالإصدارات، واستحداث أدوار مثل مهندس الأتمتة ومالك نماذج البيانات.
  • رسم خارطة طريق مرحلية تبدأ بتوحيد البيانات، ثم الربط والتحليل، ثم الأتمتة الجزئية، وصولاً إلى الشبكات القائمة على النية.

ما يحصل عليه المشارك

5 محاور علمية

مخطّط علميّ متدرّج

10 جلسة تدريبية

موزَّعة على 5 أيام

30 بنداً تفصيلياً

محتوى تطبيقي مفصَّل

شهادة حضور معتمدة

بعد إتمام البرنامج

أكمل بيانات التسجيل

سنتواصل معك خلال يوم عمل لتأكيد الحجز.

جاهز للبدء؟

احجز مقعدك في البرنامج وابدأ رحلة تطوير مهاراتك.

سجّل الآن

شارك هذه الدورة

🔗 رابط مختصر
سجّل الآن