← AIOps 강의 시리즈 — 시스템을 '이해'하는 능력 Vocabulary →

1. 오리엔테이션 — AIOps와 DevOps의 경계 긋기

✓모듈 0. 오리엔테이션 — AIOps는 DevOps의 연장선이 아니다
[Locked]0-1. 시작하기 전에: 흔한 오해 세 가지
[Locked]0-2. 한 문장 정의
[Locked]0-3. 왜 사람이 아니라 알고리즘이어야 하는가 — 규모의 문제
[Locked]0-4. AIOps 파이프라인 — 전체 지도
[Locked]0-5. 겹치는 것과 안 겹치는 것 — 명확한 선긋기
[Locked]0-6. 이 강의의 사전 지식 요구사항
[Locked]0-7. 학습 순서와 소요 시간
[Locked]0-8. 셀프 체크

2. 모듈 0.5 데이터 기초 브릿지 — 본편을 위한 베이스캠프

✓모듈 0.5. 데이터 기초 브릿지 — Grafana 바깥에서 데이터 만지는 법
[Locked]0.5-0. 왜 이걸 배우는가 — 실패 장면 하나
[Locked]0.5-1. Series와 DataFrame — Grafana 패널의 정체
[Locked]0.5-2. 분포 — 임계값 80%의 통계적 정체
[Locked]0.5-3. 가설검정 — "배포 후 에러가 늘었다"를 판정하기
[Locked]0.5-4. 상관과 회귀 — 두 메트릭의 관계를 숫자 하나로
[Locked]0.5-5. fit과 predict — 머신러닝의 동사 두 개
[Locked]0.5-6. Prometheus → DataFrame — 여러분의 최대 강점을 실습 진입로로
[Locked]0.5-7. matplotlib 최소 — 그래프 세 종류면 본편이 끝난다
[Locked]0.5-8. 마무리 — 전체 셀프 체크와 다음 갈 곳

3. 모듈 1 시계열 통계 기초 — "정상"을 숫자로 정의하기

✓모듈 1. 시계열 통계 기초 — "정상"을 숫자로 정의하기
[Locked]1-0. 왜 이걸 배우는가 — 실패 장면 하나
[Locked]1-1. 시계열 데이터의 구조 — 순서가 곧 데이터다
[Locked]1-2. 시계열 분해 — 원본이 아니라 잔차를 보라
[Locked]1-3. 정상성과 자기상관 — 규칙이 안 변한다는 약속
[Locked]1-4. 분포 가정의 함정과 로버스트 통계
[Locked]1-5. 데이터가 임계값을 정하게 — 극단값 이론(EVT)
[Locked]1-6. 변화점 탐지와 다중 비교 문제
[Locked]1-7. 실무 적용 체크리스트
[Locked]1-8. 셀프 체크

4. 모듈 2 이상 탐지 — 임계값 없이 이상을 찾기

✓모듈 2. 이상 탐지 — 임계값 없이 이상을 찾는 법
[Locked]2-0. 왜 이걸 배우는가 — 실패 장면 하나
[Locked]2-1. 이상의 세 가지 종류
[Locked]2-2. 잘 맞혔다는 게 무슨 뜻인가 — 평가 지표 미리보기
[Locked]2-3. 통계적 기법 계열 — 예측하고, 남은 것을 본다
[Locked]2-4. 거리·밀도·구조 기반 — 데이터의 모양을 본다
[Locked]2-5. 딥러닝 계열 — 그리고 정직한 경고
[Locked]2-6. 실전 운영 — 다변량, 개념 표류, 라벨 없는 세상
[Locked]2-7. 실무 적용 체크리스트
[Locked]2-8. 셀프 체크

5. 모듈 3 로그 데이터 처리 — 비정형 텍스트를 데이터로

✓모듈 3. 로그 데이터 처리 — 비정형 텍스트를 학습 가능한 데이터로
[Locked]이 모듈이 다루는 범위 — 먼저 선을 긋습니다
[Locked]3-0. 왜 이걸 배우는가 — 실패 장면 하나
[Locked]3-1. 로그는 왜 다루기 어려운가
[Locked]3-2. 로그 파싱 = 템플릿 추출
[Locked]3-3. 템플릿 시계열 분석 — 이제부터는 모듈 1~2의 세계
[Locked]3-4. 로그 임베딩 — 문장을 벡터로
[Locked]3-5. 로그 시퀀스 이상 탐지 — 순서가 이상하다
[Locked]3-6. 로그 + 메트릭 + 트레이스 결합
[Locked]3-7. 실무 적용 체크리스트
[Locked]3-8. 셀프 체크

6. 모듈 4 이벤트 상관분석 — 알림 200개를 사건 1개로

✓모듈 4. 이벤트 상관분석과 알림 노이즈 감축 — 알림 200개를 사건 1개로
[Locked]4-0. 왜 이걸 배우는가 — 새벽 2시, 슬랙에 알림 340개
[Locked]4-1. 문제를 정확히 정의하기 — 하나가 아니라 네 개
[Locked]4-2. 알림을 데이터로 표현하기 — 벡터와 유사도
[Locked]4-3. 시간 기반 상관 — 같이 뜨는 것들 찾기
[Locked]4-4. 토폴로지 기반 상관 — 구조가 우연을 걸러낸다
[Locked]4-5. 그룹을 발견하는 두 계열 — 클러스터링과 패턴 마이닝
[Locked]4-6. 알림 폭풍 압축과 피드백 루프 — 운영에 올리기
[Locked]4-6½. 사건은 스트림이다 — 배치 그룹핑의 한계
[Locked]4-7. 실무 적용 체크리스트
[Locked]4-8. 셀프 체크
[Locked]마무리 — 이 모듈이 멈추는 지점

7. 모듈 5 RCA와 인과추론 — "같이 움직임"과 "원인임"의 구분

✓모듈 5. 근본원인 분석과 인과추론 — "같이 움직임"과 "원인임"을 구분하기
[Locked]5-0. 왜 이걸 배우는가 — 이상 신호 40개, 화살표 0개
[Locked]5-1. 상관관계 ≠ 인과관계, 운영 버전
[Locked]5-2. "근본 원인"이라는 말의 함정, 그리고 전통적 방법들
[Locked]5-3. 의존성 그래프 기반 접근 — 구조가 방향을 준다
[Locked]5-4. 트레이스 분석 심화 — 가장 신뢰할 수 있는 방향 정보
[Locked]5-5. 통계적 인과추론과 개입 — 이론의 정점, 그리고 그 한계
[Locked]5-6. 실무에서 실제로 먹히는 것 — 변화, 조합, 그리고 신뢰
[Locked]5-7. 실무 적용 체크리스트
[Locked]5-7½. 실무 라이브러리 지도 — 직접 구현 다음에 잡을 도구
[Locked]5-8. 셀프 체크
[Locked]마무리 — 우리가 얻은 것과 얻지 못한 것

8. 모듈 6 예측과 용량 관리 — 터지기 전에 알기

✓모듈 6. 예측과 용량 관리 — 터지기 전에 알기
[Locked]6-0. 왜 이걸 배우는가 — 90초의 공백
[Locked]6-1. 예측 문제의 네 가지 종류 — 지평이 다르면 다른 문제다
[Locked]6-2. 예측 모델 계열 — 가장 싼 것부터
[Locked]6-3. 예측 평가 — 여기가 진짜 중요하다
[Locked]6-4. 불확실성이 핵심이다 — 점 예측으로는 용량을 못 정한다
[Locked]6-5. 용량의 물리학과 예측형 오토스케일링
[Locked]6-6. 장애 예측과 비용 최적화
[Locked]6-7. 실무 적용 체크리스트
[Locked]6-8. 셀프 체크
[Locked]마무리 — 이 모듈이 멈추는 지점

9. 모듈 7 LLM 기반 운영 — 언어 모델을 운영 루프에 넣기

✓모듈 7. LLM 기반 운영 — 언어 모델을 운영 루프에 넣기
[Locked]이 모듈이 다루는 범위 — 먼저 선을 긋습니다
[Locked]7-0. 왜 이걸 배우는가 — 새벽 3시, 점수 0.83
[Locked]7-0.5. LLM이라는 부품의 사양서 — 5분 요약
[Locked]7-1. LLM이 운영에서 잘하는 것과 못하는 것 — 정직한 구분
[Locked]7-2. 활용 시나리오 1 — 인시던트 요약
[Locked]7-3. 활용 시나리오 2 — 런북·포스트모템 RAG
[Locked]7-4. 활용 시나리오 3 — 자연어 → 쿼리 변환
[Locked]7-5. 활용 시나리오 4 — 에이전트형 자동 조치
[Locked]7-6. 컨텍스트 엔지니어링과 안전 — 무엇을 넣고, 무엇을 막을 것인가
[Locked]도입 순서 제안 — 조직이 실제로 밟아야 하는 계단
[Locked]7-7. 실무 적용 체크리스트
[Locked]7-8. 셀프 체크
[Locked]마무리 — 이 모듈이 멈추는 지점

10. 모듈 8 평가 방법론 — 작동한다고 증명하기

✓모듈 8. 평가 방법론 — 이 모든 게 실제로 작동한다고 어떻게 증명하는가
[Locked]8-0. 왜 이걸 배우는가 — 6개월 뒤, 회의실
[Locked]8-1. 라벨 없음 문제 — AIOps의 원죄
[Locked]8-2. 분류 지표 기초와 운영에서의 재해석
[Locked]8-3. 시계열 이상 탐지 특유의 평가 문제
[Locked]8-4. 오프라인 평가 설계 — 백테스트를 정직하게 하는 법
[Locked]8-5. 온라인 평가 — 운영에서 진짜로 재기
[Locked]8-6. 비즈니스 지표로 연결하기 — 경영진을 설득하는 언어
[Locked]8-7. 숫자가 아닌 출력의 평가 — LLM·예측·그룹핑
[Locked]8-8. 실무 적용 체크리스트
[Locked]8-9. 셀프 체크
[Locked]마무리 — 이 강의 전체를 관통하는 한 문장

11. 부록 A — 로드맵 · 실습 프로젝트 · 데이터셋 · 도구

✓부록 A. 데이터 파이프라인 재해석 · 학습 로드맵 · 참고자료
[Locked]A-0. 이 문서의 위치 — "그래서 이제 뭘 하지"
[Locked]A-1. 데이터 엔지니어링을 AIOps 관점으로 다시 보기
[Locked]A-2. 참조 아키텍처
[Locked]A-3. 8주 학습 로드맵
[Locked]A-4. 단계별 실습 프로젝트 4개
[Locked]A-5. 공개 데이터셋 카탈로그
[Locked]A-6. 도구 지도
[Locked]A-7. 읽을거리
[Locked]A-8. 직무로서의 AIOps
[Locked]A-9. 흔한 실패 패턴 10가지
[Locked]A-10. 마무리 — 이 강의를 마친 뒤의 첫 한 달

12. 실습 과제 모음과 용어 색인

[Locked]실습 과제 모음 — 각 모듈의 "실습 X시간"의 실체
[Locked]용어 색인 — 이 용어, 어디서 처음 정의됐더라?

Video coming soon

Please continue with the lesson material below.

모듈 6. 예측과 용량 관리 — 터지기 전에 알기

Lesson Material

Tip: Click any underlined Korean word to hear its pronunciation. Single-syllable words may sound slightly off — refer to the lecture video for the exact pronunciation.

모듈 6. 예측과 용량 관리 — 터지기 전에 알기

이 모듈의 목표

반응형(reactive) 스케일링과 예측형(predictive) 스케일링의 차이를 리드타임(lead time)이라는 한 단어로 설명할 수 있다

예측 지평(horizon)에 따라 문제의 종류·기법·요구 정확도가 어떻게 달라지는지 구분하고, 기준선(baseline)부터 시작하는 습관을 갖는다

점 예측이 아니라 분위수 예측을 산출하고, 과소/과대 프로비저닝의 비대칭 비용으로부터 "몇 % 분위수를 쓸 것인가"를 유도할 수 있다

대기행렬 이론으로 "사용률 80%가 왜 한계선인가"를 수식과 말로 설명하고, 장애 예측에서 중도절단(censoring) 과 극단적 클래스 불균형을 다룰 수 있다

예상 학습 시간 8시간 (읽기 5시간 + 실습 3시간) — 6-6 후반의 선택 절(★★★★)을 건너뛰면 읽기 4시간

Q&A0

Only students taking this course can post questions.

No questions yet. Be the first to ask!

← Prev: 마무리 — 우리가 얻은 것과 얻지 못한 것 Next: 6-0. 왜 이걸 배우는가 — 90초의 공백 →