Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Varaktighet 14 timmar
Kursplan
Introduktion till AI i DevOps
- Vad är AI i DevOps?
- Användningsfall och fördelar med AI i CI/CD-pipelines
- Översikt över verktyg och plattformar som stöder AI-driven automatisering
AI-stöd för kodutveckling och granskning
- Användning av GitHub Copilot och liknande verktyg för kodslutförande
- AI-baserade kodkvalitetskontroller och förslag
- Generering av tester och automatisk upptäckt av sårbarheter
Intelligent design av CI/CD-pipelines
- Konfigurera Jenkins eller GitHub Actions med AI-förstärkta steg
- Prediktiv byggutlösning och smart upptäckt av rollback
- Dynamiska justeringar av pipelines baserade på historisk prestanda
AI-driven testautomatisering
- AI-driven testgenerering och prioritering (t.ex. Testim, mabl)
- Regressionstestanlys med maskininlärning
- Minska instabilitet och testkörtid med dataunderbyggda insikter
Statisk och dynamisk analys med AI
- Integrering av SonarQube och liknande verktyg i pipelines
- Automatisk upptäckt av kodelukt och förslag på omstrukturering
- Paverkananalys och koderiskprofilering
Monitoring, återkoppling och kontinuerlig förbättring
- AI-drivena observabilitetsverktyg och anomalidetektering
- Användning av ML-modeller för att lära sig från tillämpningsresultat
- Skapa automatiska återkopplingsloopar över hela SDLC
Fallstudier och praktisk integration
- Exempel på AI-förstärkt CI/CD i företagssammanhang
- Integration med molntekniska plattformar och mikrotjänster
- Utmaningar, rekommendationer och bästa praxis
Sammanfattning och nästa steg
Krav
- Erfarenhet av DevOps och CI/CD-flöden
- Grundläggande förståelse för versionshantering och automatiseringsverktyg
- Kännedom om koncepter för mjukvarutestning och tillämpning
Målgrupp
- DevOps-ingenjörer och platformteam
- QA-automatiseringsledare och testingenjörer
- Mjukvaruarkitekter och releasemanager
