Prenez contact avec nous
 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

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires