- Cours pratique
- FSE
- Informatique
Formation Machine Learning avec Elastic Stack
Surveillance d’infrastructure SI avec la fonctionnalité Machine Learning d'Elastic Stack
- Durée
- 2 jours
- Niveau
- Intermédiaire
- Modalités
- Distanciel
Description de la formation Machine Learning Elastic Stack
La suite Elastic permet d’ingérer tout type de données dans un cluster Elasticsearch et de les analyser via les outils de visualisation proposés par Kibana. Depuis peu, Elastic propose également des fonctionnalités de Machine Learning permettant la détection d’anomalie et la prévision. Principalement utilisée pour la surveillance d’infrastucture et la sécurité, cette solution peut être appliquée à d'autres domaines.
Cette formation Machine Learning avec la suite Elastic passe en revue les fonctionnalités de Machine Learning d'Elastic Stack et, au travers d’ateliers, elle démontre l’efficacité du machine learning appliqué à la surveillance d’infrastructures SI.
Objectifs pédagogiques
Au cours de cette formation Machine Learning Elastic Stack, vous aurez acquis les connaissances et les compétences nécessaires pour :
- Installer la suite Elastic pour utiliser le machine learning
- Comprendre comment détecter des anomalies avec les fonctionnalités de Machine Learning de la suite Elastic
- Appliquer la détection d’anomalie pour la surveillance et la sécurité des systèmes d'information
- Visualiser les résultats dans des tableaux de bord, des vues personnalisées, utiliser les alertes
Objectifs opérationnels
Savoir maîtriser les fonctionnalités de Machine Learning de la suite Elastic.
Programme
Contenu du cours, module par module
7 modules
- Big Data et Machine Learning
- Machine Learning appliqué à l’IT
- Historique de Elastic Machine Learning (Elastic ML)
- Concepts : Jobs, Noeuds ML, Bucket, Alimentation en données
- Index Elasticsearch utilisé, Détails d’un job, les différents types de jobs
- Installation
Travaux pratiques
- Définition du taux d’occurrence normal, Les différentes fonctions de comptage
- Définition de la rareté
- Catégorisation des évènements
Travaux pratiques
- Importance et limitation des KPI
- Segmentation et enrichissement des données
- Scinder les analyses, détecter les influenceurs
- Corrélation visuelle, Utilisation de l’explorateur d’anomalie
Travaux pratiques
- Indicateur de compromission
- Volume et disparité des données, géométrie des attaques
- Enrichissement avec logstash
- Investigation et analyse
Travaux pratiques
- Alertes automatiques, configuration
- Création d'alerte manuelle
Travaux pratiques
- Options de visualisation dans Kibana, Timelion
- Données Machine Learning en TimeSeries, Timelion
- Correlation HeatMap
- Utilisation de Canvas
Travaux pratiques
- Prévision temporelle ou valeur, incertitude
- Forecast API
- Série temporelle unique
- Série temporelle multiple
Travaux pratiques
Travaux pratiques
De nombreux travaux pratiques (plus de 50%) sous Windows ou Linux sont proposés aux participants tout au long de la formation.
Programme mis à jour le 15/12/2025
Public concerné
Cette formation Machine Learning Elastic Stack s'adresse à toute personne souhaitant appliquer le machine learning à des problématiques de gestion d’infrastructure et de sécurité.
Prérequis
Une première expérience avec la suite Elastic est nécessaire pour cette formation sur la fonctionnalité Machine Learning.
J’évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Faire le testFinancement
Cette formation peut être prise en charge par votre entreprise, seule ou avec l’appui de son opérateur de compétences. Nous fournissons le devis et les pièces attendues par l’OPCO.
4,4/5
14 avis
« Mon avis sur le contenu du stage : "Personnellement j'aurai aimé avoir le chemin de chaque action sur un document, du pas à pas pour me rappeler les manipulations à faire Néanmoins j'ai le sentiment d'avoir appris beaucoup de choses sur le ML sur ELK et la formation était plutôt claire pour un profil non technique. J'ai apprécié les TP mais ils auraient nécessité + de détail également dans les consignes. " Mon avis sur le formateur : "Mathieu est clair dans ses explications et est disponible pour répondre à nos questions" Mon avis sur la salle de formation : "Salles VLP moyennes : LOUXOR : clim KO CLOUD : étroite pour 10 personnes" Ce que j'ai le plus apprécié : "Disponibilité des outils + VM" Ce que j'ai le moins apprécié : "Salles" »
CDLA POSTE BRANCHE SERVICES-COURRIER-COLIS « Mon avis sur le contenu du stage : "Le contenue du cours a été a mon ses concluant. Les points que je souhaitais aborder l'ont été." Mon avis sur le formateur : "Nous étions que 2 lors de la formation. Mais le formateur a pu répondre à toutes nos questions sans problème." Ce que j'ai le plus apprécié : "Nous étions que 2 lors de la formation donc aucun problème au niveau de la classe." Ce que j'ai le moins apprécié : "Porblème rencontré a été au niveau de la VM installé sur les machine de formation. Le rendu n'était pas au rendez-vous et ça a été compliqué pendant un moment de faire les TPs." »
MLSMALS « Mon avis sur le contenu du stage : "Les sujets étaient variés et intéressants, la progression était dans un bon rythme" Mon avis sur le formateur : "Très bon formateur, à l'écoute, les échanges ont été fructueux" Mon avis sur la salle de formation : "Locaux très agréables" »
OEORANGE BUSINESS SERVICES SA
Les avis figurant ci-dessus sont issus des fiches d’évaluation que remplissent les participants à la fin de la formation. Ils sont ensuite publiés automatiquement si les personnes ont explicitement accepté que nous les diffusions.
Formations liées
- TensorFlow : Analyse d'images avec TensorFlowRéf. AITF3 joursIntermédiaire
- TinyML : Introduction au Machine Learning EmbarquéRéf. TINY3 joursIntermédiaireProchaine session : 19 oct.2 090 €
- Machine Learning distribué avec Spark MLRéf. MLSP3 joursFondamentalProchaine session : 12 oct.2 090 €
- Machine Learning et Data Science : déployer, monitorer et gérer des modèles en productionRéf. MLDS3 joursIntermédiaire