Курс за обучение по AI-базирана оркестрация на внедряване и автоматично връщане назад

Основи на работните потоци за внедряване, подобрени с изкуствен интелект

• Как изкуственият интелект допълва съвременните практики за внедряване
• Преглед на моделите за предсказващо внедряване
• Ключови концепции: отклонение, сигнали за аномалии, задействания за връщане назад

Изграждане на интелигентни процеси за внедряване

• Интегриране на AI компоненти в съществуващи CI/CD системи
• Изисквания към данните за ефективни модели за вземане на решения
• Стратегии за инструментиране на процесите

Предвиждане на риска и анализ преди внедряване

• Оценка на готовността за пускане с машинно обучение
• Модели за оценка на риска при внедряване
• Използване на исторически данни за по-интелигентно планиране на пускането

AI-контролирани стратегии за пускане

• Автоматизиране на избора между blue/green и canary внедряване
• Динамично регулиране на скоростта на пускане
• Оценка на риска в реално време по време на внедряване

Техники за автоматично връщане назад и устойчивост

• Разбиране на задействанията и праговете за връщане назад
• Откриване на аномалии чрез метрики и логове
• Координиране на връщанията назад в разпределени системи

Наблюдаемост за AI-базирана оркестрация

• Събиране на телеметрия за внедряване за точност на моделите
• Проектиране на ефективни процеси за наблюдение
• Корелиране на сигнали за подобряване на автоматизацията на решенията

Управление, съответствие и контроли за безопасност

• Осигуряване на проследимост на действията за внедряване, базирани на изкуствен интелект
• Управление на политиките за приемане на риск и одобрение
• Изграждане на механизми за доверие в автоматизираните решения

Мащабиране на AI-оркестрирани внедрявания

• Архитектури за оркестрация в множество среди
• Интегриране на edge, облачни и хибридни внедрявания
• Съображения за производителност при мащабни пускания

Обобщение и следващи стъпки