Návrh Školení

Základy prediktivní optimalizace sestavení

  • Pochopení zdrojů problémů v systému sestavování
  • Zdroje dat o výkonu sestavení
  • Mapování příležitostí pro ML v CI/CD

Strojové učení pro analýzu sestavení

  • Předzpracování dat protokolů sestavení
  • Extrahování funkcí z metrik souvisejících se sestavením
  • Výběr vhodných modelů ML

Předpovídání selhání sestavení

  • Identifikace klíčových indikátorů selhání
  • Trénování klasifikačních modelů
  • Hodnocení přesnosti předpovědí

Optimalizace času sestavení pomocí ML

  • Modelování vzorů doby trvání sestavení
  • Odhadování požadavků na prostředky
  • Snížení variability a zlepšení předvídatelnosti

Integrované strategie ukládání do mezipaměti

  • Detekování opakovatelných artefaktů sestavení
  • Návrh ML řízených zásad ukládání do mezipaměti
  • Správa neplatnosti mezipaměti

Integrace ML do potoků CI/CD

  • Vkládání kroků předpovědi do pracovních postupů sestavení
  • Zajištění reprodukovatelnosti a stopovatelnosti
  • Operationalizace modelů pro kontinuální vylepšování

Monitorování a kontinuální zpětná vazba

  • Shromažďování telemetrie ze sestavení
  • Automatizace cyklů hodnocení výkonu
  • Přetrénování modelů na základě nových dat

Měřítkové prediktivní optimalizace sestavení

  • Správa rozsáhlých ekosystémů sestavování
  • Prognóza prostředků pomocí ML
  • Integrace s víceoblačnými platformami pro sestavení

Shrnutí a další kroky

Požadavky

  • Pochopení sestavovacích potoků software
  • Zkušenosti s nástroji CI/CD
  • Opačenost se základními koncepty strojového učení

Účastníci

  • Inženýři sestavení a vydání
  • Praktikanti DevOps
  • Týmy platformního inženýrství
 14 Hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie