智能运维(AIOps)入门指南
王钊扬
前阿里运维数据挖掘专家
24 人已学习
立即订阅
课程目录
已完结/共 13 讲
入门篇
(3讲)
什么是智能运维:我对智能运维的理解
时长 20:12
它山之石可以攻玉:推荐系统落地策略分析(上)
时长 11:14
它山之石可以攻玉:推荐系统落地策略分析(下)
时长 11:05
实践篇
(10讲)
综合分析智能运维的实施策略
时长 12:38
业务场景探索:AI如何助力运维工程师应对挑战?
时长 12:45
产品概览:不同业务场景下的智能运维产品
时长 13:14
算法的基础:如何治理运维数据
时长 12:14
智能运维实践:AI技术在运维领域的应用探索
时长 12:54
算法探索(一):如何深度挖掘时序指标中的异常数据
时长 15:09
算法探索(二):如何深度挖掘日志数据中的异常信息
时长 14:51
算法探索(三):如何快速有效地定位故障
时长 17:39
算法探索(四):如何快速有效地恢复故障
时长 09:18
智能运维系统架构
时长 14:02
智能运维(AIOps)入门指南
登录
|
注册
留言
收藏
沉浸
阅读
分享
手机端
回顶部
付费课程,可试看
视频资源获取失败
什么是智能运维:我对智能运维的理解
它山之石可以攻玉:推荐系统落地策略分析(上)
它山之石可以攻玉:推荐系统落地策略分析(下)
综合分析智能运维的实施策略
业务场景探索:AI如何助力运维工程师应对挑战?
产品概览:不同业务场景下的智能运维产品
算法的基础:如何治理运维数据
智能运维实践:AI技术在运维领域的应用探索
算法探索(一):如何深度挖掘时序指标中的异常数据
算法探索(二):如何深度挖掘日志数据中的异常信息
算法探索(三):如何快速有效地定位故障
算法探索(四):如何快速有效地恢复故障
智能运维系统架构
本节摘要
本讲我们接着上一讲的内容,从算法和工程两个视角深入探讨推荐系统。 在算法层面,我们可以明显看到,每种推荐算法都有其独特的优势和局限性。因此,在选择合适的算法时,我们不仅要全面了解算法的优缺点,还需深入洞察业务需求,以确保开发出的推荐系统能够精准满足业务要求。 在工程层面,我们重点展示了推荐系统从数据处理到模型训练的一整套流程。
登录
后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论