Struttura del corso
Fondamenti del controllo dei rilasci potenziato dall’intelligenza artificiale
- Nozioni base sui flag funzionali e sulle strategie di distribuzione progressiva
- Concetti fondamentali legati ai test canary e all’attivazione graduale delle nuove feature
- Ruolo determinante dell’AI nei flussi di lavoro legati al rilascio dei prodotti
Tecniche di apprendimento automatico per la presa di decisioni sulle strategie di rilascio
- Creazione di modelli base riguardanti il comportamento del sistema e degli utenti
- Metodi per rilevare anomalie al fine di attivare precocemente avvisi preventivi
- Aspetti da considerare riguardo ai dati utilizzati per l’addestramento e i cicli di feedback
Progettazione di strategie basate sull’intelligenza artificiale per la gestione dei flag funzionali
- Definizione di regole dinamiche che si evolvono in base ai segnali forniti dall’AI
- Determinazione di soglie e parametri automatici utilizzati per la valutazione dei rischi
- Logiche di aumento graduale, sospensione o annullamento delle attivazioni in base alle circostanze
Analisi canary assistita dall’intelligenza artificiale
- Confronto tra le prestazioni del gruppo sottoposto a test canary e quelle dell’insieme di riferimento
- Definizione dei pesi specifici attribuiti alle varie metriche per creare un punteggio globale di rischio mediante l’AI
- Attivazione automatica di processi decisionali in base a determinati criteri predefiniti
Integrazione dei modelli AI nelle pipeline di rilascio
- Incorporazione delle verifiche basate sull’AI nei vari stadi delle pipeline CI/CD
- Collegamento diretto tra i sistemi gestionali dei flag funzionali e i motori di elaborazione dati AI
- Gestione ottimizzata delle pipeline che prevedono l’alternanza di interventi automatici e manuali
Monitoraggio e osservabilità nel contesto decisionale basato sull’intelligenza artificiale
- Elenco dei parametri necessari a garantire un corretto funzionamento dell’elaborazione dati da parte dell’AI
- Raccogta di informazioni rilevanti in termini prestazionali, riguardo ai crash e al comportamento generale degli utenti
- Chiusura del ciclo attraverso processi di apprendimento continuo da parte dei modelli
Gestione del rischio e governance operativa nell’utilizzo dell’AI
- Attuazione di politiche volte a garantire un impiego responsabile dell’automazione nelle decisioni legate ai rilasci
- Definizione chiara dei criteri che richiedono l’intervento umano e dei punti di override ammissibili
- Audit accurati relativi alle azioni attivate dai meccanismi decisionali basati sull’AI
Scalabilità delle strategie di rilascio potenziate dall’intelligenza artificiale tra diversi prodotti
- Implementazione di framework organizzativi validi per molteplici team di lavoro
- Creazione e standardizzazione di componenti ML riutilizzabili in ambito multi-prodotto
- Armonizzazione dei dati provenienti da sistemi diversi per favorirne un confronto accurato
Riassunto e indicazioni per il prosieguo
Requisiti
- Conoscenza dei flussi di lavoro CI/CD
- Esperienza nell’utilizzo dei flag funzionali o nella gestione delle pipeline di deployment
- Comprensione basilare di concetti legati all’analisi statistica e al monitoraggio prestazionale
Destinatari del corso
- Ingegneri addetti allo sviluppo prodotti
- Professionisti DevOps
- Ingegneri responsabili dei rilasci e capi tecnici
