Struttura del corso

Fondamenti dell'Ottimizzazione Predittiva dei Build

  • Comprensione delle criticità del sistema di build
  • Fonti di dati sulle prestazioni dei build
  • Mappatura delle opportunità di ML in CI/CD

Machine Learning per l'Analisi dei Build

  • Preprocessing dei dati dai log dei build
  • Estrazione di feature da metriche correlate ai build
  • Selezione di modelli ML appropriati

Previsione delle Fallite dei Build

  • Identificazione degli indicatori chiave delle fallite
  • Addestramento di modelli di classificazione
  • Valutazione dell'accuratezza della previsione

Ottimizzazione dei Tempi di Build con ML

  • Modellazione delle pattern della durata dei build
  • Stima dei requisiti di risorse
  • Riduzione della varianza e miglioramento della prevedibilità

Strategie di Caching Intelligente

  • Rilevazione di artifact riutilizzabili dei build
  • Progettazione di policy di caching guidate da ML
  • Gestione dell'invalidezza della cache

Integrazione del ML nelle Pipeline CI/CD

  • Inserimento di passaggi di previsione nei flussi di lavoro dei build
  • Garanzia di riproducibilità e tracciabilità
  • Operationalizzazione dei modelli per miglioramenti continui

Monitoraggio e Feedback Continuo

  • Raccolta di dati di telemetria dai build
  • Automazione dei cicli di revisione delle prestazioni
  • Retrain dei modelli basati su nuovi dati

Scalabilità dell'Ottimizzazione Predittiva dei Build

  • Gestione di ecosistemi di build a larga scala
  • Forecasting delle risorse con ML
  • Integrazione con piattaforme di build multi-cloud

Riepilogo e Prossimi Passi

Requisiti

  • Una comprensione delle pipeline dei build software
  • Esperienza con strumenti CI/CD
  • Familiarità con concetti di base del machine learning

Pubblico Target

  • Ingegneri di build e release
  • Praticanti DevOps
  • Team di ingegneria delle piattaforme
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative