Kursplan

Grunnlag for prediktiv buildoptimering

  • Forståelse av byggatferdighetshinder
  • Kilder til build-ytelsesdata
  • Kartlegging av ML-muligheter i CI/CD

Maskinlæring for bygganalyse

  • Dataforarbeidelse for build-loggfiler
  • Karaktertrekksextrahering fra build-relaterte metrikker
  • Valg av passende ML-modeller

Prediksjon av byggefeil

  • Identifisering av nøkkelfeilindikatorer
  • Trening av klassifiseringsmodeller
  • Vurdering av prediksjonsnøyaktighet

Optimering av build-tider med ML

  • Modellering av byggetidsmønstre
  • Estimering av ressursbehov
  • Redusere variasjon og forbedre predictabilitet

Intelligent caching-strategier

  • Oppdage gjenbrukbare build-artefakter
  • Design av ML-drevne cache-policyer
  • Administrasjon av cache-invalidering

Integrasjon av ML i CI/CD-piplinjer

  • Inkludering av prediksjonstrinn i build-arbeidsflyt
  • Sikring av gjentakbarhet og sporbarhet
  • Operasjonalisering av modeller for kontinuerlig forbedring

Overvåking og kontinuerlig tilbakemelding

  • Innsamling av telemetri fra builds
  • Automatisering av ytelsesgjennomgangssykluser
  • Model retraining basert på nye data

Skaling av prediktiv buildoptimering

  • Administrasjon av store byggøkosystemer
  • Ressursprognoser med ML
  • Integrasjon med multi-cloud byggplattformer

Oppsummering og neste trinn

Krav

  • Forståelse av software build-piplinjer
  • Erfaring med CI/CD-verktøy
  • Kjennskap til grunnleggende maskinlæringskonsepter

Målgruppe

  • Build- og release-ingeniører
  • DevOps-praktikere
  • Platform engineering-team
 14 Timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier