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 publications renforcé par l'IA
- Compréhension des drapeaux fonctionnels et de la livraison progressive
- Concepts fondamentaux des tests canari et de l'exposition progressive
- Le rôle de l'IA dans les flux de travail de publication
Techniques d'apprentissage automatique pour les décisions de déploiement
- Modélisation de référence du comportement 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 fonctionnels pilotées par l'IA
- Règles dynamiques de drapeaux informées par les signaux IA
- Seuils d'exposition et barrières de score automatisées
- Logique d'augmentation, de pause ou de retour en arrière adaptative
Analyse canari assistée par l'IA
- Évaluation des performances canari par rapport à la référence (baseline)
- Pondération des métriques et création de scores de risque basés sur l'IA
- Déclenchement de chemins de décision automatisés
Intégration des modèles IA dans les pipelines de publication
- Intégration de contrôles IA dans les étapes CI/CD
- Connexion des systèmes de drapeaux fonctionnels aux moteurs ML
- Gestion des pipelines pour des flux de travail hybrides automatisés/manuels
Surveillance et observabilité pour la prise de décision par l'IA
- Signaux requis pour une inférence IA fiable
- Collecte de la télémétrie des performances, des plantages et du comportement
- Clôture de la boucle avec l'apprentissage continu
Gestion des risques et gouvernance opérationnelle
- Garantir une automatisation responsable dans les décisions de publication
- Définir les conditions de revue humaine et les points de couverture (override)
- Audit des actions de déploiement pilotées par l'IA
Passage à l'échelle des stratégies de déploiement basées sur l'IA entre les produits
- Cadres de gouvernance multi-équipes
- Composants ML réutilisables et normalisation des modèles
- Normalisation de la télémétrie inter-produits
Résumé et prochaines étapes
Pré requis
- Une compréhension des flux de travail CI/CD
- Une expérience dans l'utilisation de drapeaux fonctionnels ou des pipelines de déploiement
- Une familiarité avec les concepts de base de la statistique ou de la surveillance des performances
Public cible
- Ingénieurs produit
- Professionnels DevOps
- Ingénieurs de publication et responsables techniques