NeuralProphet 實戰：IT 運維數據預測

你每天靠工人智慧盯圖表，其實早就能讓 AI 告訴你下個小時會出事

你可能也有這樣的經驗：

早上 9 點一開機，就在盯資源圖表；
告警一來，開始排查 CPU、磁碟是不是快爆了；
中午用餐時還在想：「等一下是不是該擴容？」
但更多時候，是沒預警就出事，只能事後補救。

這些情況，在現在的工具與技術下，其實是可以預判的。

這堂課帶你用 NeuralProphet —— Facebook 推出的時間序列預測模型，
透過餵入你手上的歷史數據，預測下一小時系統指標的變化趨勢。
你可以更早看出高峰風險、提前擴容，甚至把預測結論交給大模型協助分析風險。

不需要會寫深度學習，也不必自己調參數。
只要你熟悉自己的系統，就能建立一套真正預測未來的維運流程。

這門課，適合這樣的你

🔧 你負責系統穩定，卻總覺得只能靠經驗做判斷
🔧 你曾嘗試用監控圖表抓趨勢，卻無法說服主管擴容或分流
🔧 你對 AI 有點興趣，但更想要一個可以「立刻落地」的方法
🔧 你在 DevOps、IT 維運現場多年，想找突破與升級的關鍵點

這門課針對有實務經驗的你設計，
帶你用 Facebook 提供的 NeuralProphet 模型，
直接從你的歷史監控數據出發，建立出可以預測系統資源走向的流程。

什麼是 NeuralProphet？為什麼它值得你學？

NeuralProphet 是由 Facebook 發展的時間序列預測模型，
它的強項是從歷史資料中抓出「趨勢 + 波動 + 異常事件」的規律，
預測你下一小時的資源使用變化（例如 CPU、磁碟、記憶體等等）。

換句話說，它不像監控工具只會記錄當下，
它能讓你預先知道：「下個一小時，系統資源會長什麼樣？」

課程重點：打造自己的 IT 資源預測系統

這堂課不只是理論，我們從建模、訓練到實作，一步步帶你做出來：

🧱 模型建構與原理理解

• 什麼是 NeuralProphet？怎麼拆解成趨勢、季節性、自回歸等模組？
• 它怎麼和你手上的資源監控數據連接起來？

📊 系統資源預測實作

• 如何輸入你實際的 CPU 或磁碟歷史數據進模型訓練？
• 預測下一小時的資源走向，分析誤差與可解釋性

🤖 與 LLM 整合，讓 AI 替你做決策輔助

• 把預測結果丟給大型語言模型，生成系統風險報告
• 不只是看到趨勢，更能得到「下一步該怎麼辦」的建議

🧪 應用場景延伸

• 用同一套邏輯預測流量尖峰、佈署擴容建議
• 擴展到天氣、業務量預測等其他時間序列應用

完成課程後，你將具備這些能力

✔ 能讀懂時間序列資料背後的「規律」與「風險預兆」
✔ 能打造屬於自己部門的預測模型，預判資源走向
✔ 能把預測結果整合進日常維運流程，不用等告警才行動
✔ 能用數據主動提出資源規劃與風險因應建議，而非等問題來才回應
✔ 能升級為懂模型但不被模型綁架的 AI-enhanced 維運角色

💡 學完這門課，你不只是會看圖表，而是能預測未來、主動出擊的智能維運者！

講師介紹：崔皓

崔皓老師 擁有超過 22 年 的系統架構與 AI 技術經驗，專注於生成式 AI 和分布式架構相關領域。他以豐富的實務經驗和教學能力，幫助學員在技術領域脫穎而出。

• 豐富經驗：曾在惠普中國擔任系統架構師和分析師，成功領導多個重要項目，例如互聯網會員積分平台和工業物聯網 SaaS 平台。他對 AI 應用與分布式架構設計有著深刻的理解，能為學員提供業界最前沿的技術知識。
• 權威著作：《LangChain 實戰：大模型應用開發實例》、《分布式架構原理與實踐》、《大模型定制開發》等著作，涵蓋生成式 AI 和系統設計的核心技術。
• 教學實務導向：專注於案例驅動教學，將技術理論與真實業務需求結合，讓學員能學以致用。課程案例覆蓋多個領域，包括 AIGC 企業集成、多模態技術應用、AI Agent 開發等，確保學員能在職場或創業中快速落地實踐。
• 教學方式多元：崔皓老師擅長通過分步拆解技術知識，結合現場演練、視頻和案例討論，幫助學員輕鬆理解難點。他還設計了豐富的練習環節和學習支持，確保每位學員都能在課程中收穫最大價值。