Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Fondements du contrôle des déploiements renforcé par l'IA
- Compréhension des drapeaux de fonctionnalité et de la livraison progressive
- Concepts fondamentaux du test de canaris et de l'exposition progressive
- La valeur ajoutée de l'IA dans les flux de déploiement
Techniques d'apprentissage automatique pour les décisions de déploiement
- Modélisation de référence des comportements du système et des utilisateurs
- Approches de détection d'anomalies pour l'alerte précoce
- Considérations sur les données d'entraînement et les boucles de rétroaction
Conception de stratégies de drapeaux de fonctionnalité pilotées par l'IA
- Règles dynamiques de drapeaux guidées par des signaux IA
- Seuils d'exposition et barrières de score automatisées
- Logique adaptative d'augmentation, de pause ou de retour arrière
Analyse de canaris assistée par l'IA
- Évaluation des performances canaris par rapport à la référence
- Pondération des métriques et création de scores de risque basés sur l'IA
- Déclenchement de voies de décision automatisées
Intégration des modèles d'IA dans les pipelines de déploiement
- Incorporation de contrôles IA dans les étapes CI/CD
- Connexion des systèmes de drapeaux de fonctionnalité aux moteurs de ML
- Gestion des pipelines pour des flux de travail hybrides automatisés/manuels
Surveillance et observabilité pour la prise de décision par IA
- Signaux nécessaires pour une inférence IA fiable
- Collecte de télémétrie des performances, des crashs et des comportements
- Fermeture de la boucle avec l'apprentissage continu
Gestion des risques et gouvernance opérationnelle
- Assurer une automatisation responsable dans les décisions de déploiement
- Définir les conditions de revue humaine et les points de rétroaction
- Audit des actions de déploiement pilotées par l'IA
Échelle des stratégies de déploiement basées sur l'IA sur plusieurs produits
- Cadres de gouvernance multi-équipes
- Composants ML réutilisables et standardisation des modèles
- Normalisation de la télémétrie inter-produits
Résumé et prochaines étapes
Pré requis
- Compréhension des flux de travail CI/CD
- Expérience de l'utilisation de drapeaux de fonctionnalité ou de pipelines de déploiement
- Connaissance des concepts de base en statistiques ou en surveillance des performances
Public cible
- Ingénieurs produits
- Professionnels DevOps
- Ingénieurs en charge des déploiements et responsables techniques