Kursplan

Grundläggande för AI-förstärkta distributionsarbetsflöden

  • Hur AI förbättrar moderna distributionspraktiker
  • Översikt över prediktiva distributionsmodeller
  • Nyckelbegrepp: drift, anomaliesignaler, återdragningsutlåsningar

Bygga intelligenta distributionspipelines

  • Integrera AI-komponenter i befintliga CI/CD-system
  • Datanödvändigheter för effektiva beslutsmodeller
  • Pipelinedesignstrategier

Riskprediktion och pre-distributionsanalys

  • Utvärdera utgivningsklarhet med maskininlärning
  • Poängsättning av distributionsrisk
  • Använda historiska data för smartare rolloutplanering

AI-kontrollerade rolloutstrategier

  • Automatisera blå/grön och kanary release-väljare
  • Dynamisk justering av rollouthastighet
  • Real-tidsriskbedömning under distribution

Automatiserad återdragning och haveriberedskapstekniker

  • Förstå återdragningsutlåsningar och tröskelvärden
  • Detektera anomalier genom mått och loggar
  • Koordinera återdragningar i distribuerade system

Överblickbarhet för AI-drivna orchestration

  • Samla distributionsmätdata för modell precision
  • Designa effektiva övervakningspipelines
  • Korrelera signaler för att förbättra beslutsautomatisering

Styrning, kompatibilitet och säkerhetskontroller

  • Säkerställa spårbarhet av AI-drivna distributionshandlingar
  • Hantera riskacceptans- och godkännandepolicier
  • Bygga förtroendemekanismer för automatiserade beslut

Skalning av AI-orchestrerade distributioner

  • Arkitekturer för multi-miljöorchestration
  • Integrera kant-, moln- och hybriddistributioner
  • Prestandaöverväganden för storskaliga rolloutar

Sammanfattning och nästa steg

Krav

  • Förståelse av CI/CD-pipelines
  • Erfarenhet av molnbaserade distributionsarbetsflöden
  • Kännedom om containrar och mikrotjänster

Målgrupp

  • DevOps-ingenjörer
  • Utgivningsansvariga
  • Site reliability engineers (SREs)
 14 Timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier