Kursplan

Grundläggande principer för prediktiv byggoptimering

  • Förstå bottlenecks i byggsystem
  • Källor till byggprestandadata
  • Kartlägga ML-möjligheter i CI/CD

Maskininlärning för bygganalys

  • Dataprepåtering för bygglogg
  • Extrakta egenskaper från byggrelaterade mätvärden
  • Välja lämpliga ML-modeller

Förutsäga bygfel

  • Identifiera viktiga felindikatorer
  • Träna klassificeringsmodeller
  • Utvärdera prediktionsnoggrannhet

Optimering av bygtider med ML

  • Modellering av mönster för byggtider
  • Uppskatta resursbehov
  • Minska varians och förbättra förutsägbareskap

Intelligenta cachestrategier

  • Identifiera återanvändbara byggartefakter
  • Utforma ML-drivna cachepolicyer
  • Hantera cachetogring

Integrering av ML i CI/CD-pipelines

  • Infoga prediktionssteg i byggarbetsflöden
  • Garantera reproducerbarhet och spårbarhet
  • Operationalisera modeller för kontinuerlig förbättring

Övervakning och kontinuerligt återkopplingssystem

  • Samla in telemetri från byggprocesser
  • Automatisera prestandaunderhållscyklar
  • Retraining av modeller baserat på ny data

Skalning av prediktiv byggoptimering

  • Hantera storskaliga byggekosystem
  • Resursprognos med ML
  • Integrera med multi-cloud byggplattformar

Sammanfattning och nästa steg

Krav

  • En förståelse för byggpipelines
  • Erfarenhet av CI/CD-verktyg
  • Bekantskap med grundläggande maskininlärningsbegrepp

Målgrupp

  • Bygg- och versionsingenjörer
  • DevOps-praktiker
  • Plattformsteknikteame
 14 Timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier