Kursplan

Introduktion till AI i DevOps

  • Vad är AI for DevOps?
  • Användningsfall och fördelar med AI i CI/CD-pipelines
  • Översikt över verktyg och plattformar som stöder AI-drivna automatiseringslösningar

AI-assisterad kodutveckling och granskning

  • Användning av GitHub Copilot och liknande verktyg för kodkomplettering
  • AI-baserade kodkvalitetskontroller och förslag
  • Generering av tester och automatisk upptäckt av sårbarheter

Intelligent design av CI/CD-pipelines

  • Konfiguration av Jenkins eller GitHub Actions med AI-förbättrade steg
  • Prediktiv byggutlösning och smart upptäckt av återställning
  • Dynamiska justeringar av pipelines baserade på historisk prestanda

AI-drivet automatisering av testning

  • AI-drivet testgenerering och prioritering (t.ex. Testim, mabl)
  • Regressionstestanalys med maskininlärning
  • Minskning av osäkerhet och testtid med data-driven insikter

Statisk och dynamisk analys med AI

  • Integration av SonarQube och liknande verktyg i pipelines
  • Automatisk upptäckt av kodlukt och förslag till refaktorering
  • Påverkananalys och kodriskprofilering

Övervakning, återkoppling och kontinuerlig förbättring

  • AI-kraftade övervakningsverktyg och anomalidetektering
  • Användning av ML-modeller för att lära sig från distribueringsresultat
  • Skapande av automatiserade återkopplingsloopar genom hela SDLC

Case studies och praktisk integration

  • Exempel på AI-förbättrade CI/CD i företagsmiljöer
  • Integration med cloud-native plattformar och microservices
  • Utmaningar, rekommendationer och bästa praxis

Sammanfattning och nästa steg

Krav

  • Erfarenhet av DevOps och CI/CD-flöden
  • Grundläggande förståelse för versionshantering och automatiseringsverktyg
  • Bekantskap med koncept för mjukvarutestning och distribution

Målgrupp

  • DevOps-ingenjörer och plattformsteam
  • QA-automatiseringsledare och testingenjörer
  • Programarkitekter och releasehanterare
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier