聯繫我們

課程簡介

預測式建置優化的基礎

  • 理解建置系統瓶頸
  • 建置效能數據來源
  • 在 CI/CD 中尋找 ML 應用機會

用於建置分析的機器學習

  • 建置日誌的數據預處理
  • 從建置相關指標中提取特徵
  • 選擇合適的 ML 模型

預測建置失敗

  • 識別關鍵失敗指標
  • 訓練分類模型
  • 評估預測準確度

利用 ML 優化建置時間

  • 建模建置時長模式
  • 估算資源需求
  • 降低變異性並提高可預測性

智慧型快取策略

  • 偵測可重複使用的建置產出物
  • 設計由 ML 驅動的快取策略
  • 管理快取失效

將 ML 整合至 CI/CD 管線

  • 在建置工作流程中嵌入預測步驟
  • 確保可重現性與可追蹤性
  • 將模型運作化以實現持續改進

監控與持續回饋

  • 收集來自建置的遙測數據
  • 自動化效能檢視週期
  • 基於新數據重新訓練模型

擴展預測式建置優化

  • 管理大型建置生態系統
  • 利用 ML 進行資源預測
  • 與多雲建置平台整合

總結與下一步

最低要求

  • 了解軟體建置管線
  • 具備 CI/CD 工具的實作經驗
  • 熟悉基礎機器學習概念

目標受眾

  • 建置與發布工程師
  • DevOps 實踐者
  • 平台工程團隊
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類