利用机器学习进行预测性构建优化 培训
预测性构建优化是一种利用机器学习分析构建行为,以提高可靠性、速度和资源利用率的实践。
这门由讲师主导的线下或线上培训课程,面向希望利用机器学习技术,通过自动化、预测和智能缓存来改进构建流水线的中级工程专业人员。
完成本课程后,学员将能够:
- 应用机器学习技术评估构建性能模式。
- 基于历史构建日志检测并预测构建失败。
- 实施机器学习驱动的缓存策略,以缩短构建时间。
- 将预测性分析集成到现有的CI/CD工作流中。
课程形式
- 讲师指导的讲座和协作讨论。
- 专注于分析和建模构建数据的实践练习。
- 在模拟的CI/CD环境中进行动手实施。
课程定制选项
- 为使本培训适应特定的工具链或环境,请联系我们定制课程。
课程大纲
预测性构建优化的基础
- 理解构建系统的瓶颈
- 构建性能数据的来源
- 在CI/CD中映射机器学习机会
用于构建分析的机器学习
- 构建日志的数据预处理
- 从构建相关指标中提取特征
- 选择合适的机器学习模型
预测构建失败
- 识别关键失败指标
- 训练分类模型
- 评估预测准确性
使用机器学习优化构建时间
- 建模构建时长模式
- 估算资源需求
- 减少方差并提高可预测性
智能缓存策略
- 检测可复用的构建产物
- 设计机器学习驱动的缓存策略
- 管理缓存失效
将机器学习集成到CI/CD流水线中
- 将预测步骤嵌入构建工作流
- 确保可重现性和可追溯性
- 将模型投入运营以实现持续改进
监控与持续反馈
- 从构建中收集遥测数据
- 自动化性能审查周期
- 基于新数据进行模型再训练
扩展预测性构建优化
- 管理大规模构建生态系统
- 使用机器学习进行资源预测
- 与多云构建平台集成
总结与后续步骤
要求
- 了解软件构建流水线
- 具有CI/CD工具的使用经验
- 熟悉基本的机器学习概念
目标受众
- 构建和发布工程师
- DevOps实践者
- 平台工程团队
需要帮助选择合适的课程吗?
china@nobleprog.com 或拨打 400 6116 540
利用机器学习进行预测性构建优化 培训 - 询价
利用机器学习进行预测性构建优化 - 问询
即将举行的公开课程
相关课程
AI驱动的部署编排与自动回滚
14 小时AI for DevOps:将智能融入CI/CD流水线
14 小时AI驱动的功能开关与金丝雀测试策略
14 小时AI 驱动的观测性:从日志到基于大语言模型的洞察
14 小时在 中国(线上或线下)进行的这场由讲师引导的实时培训,旨在帮助希望将大语言模型 (LLM) 和 AI 集成到其监控、告警及事件分析工作流中的观测性和 SRE 工程师。
AIOps实战:事件预测与根因自动化
14 小时AIOps基础:监控、关联与智能告警
14 小时使用开源工具构建AIOps管道
14 小时在中国参加此讲师主导的培训,学习使用开源工具构建端到端AIOps管道。课程涵盖监控、异常检测及基于Prometheus、ELK和自定义机器学习模型的自动告警,帮助学员掌握适用于真实生产环境的实用技能。
AI驱动的测试生成与覆盖预测
14 小时AI驱动的CI/CD QA自动化
14 小时AI持续合规:CI/CD中的治理
14 小时结合 Splunk、Moogsoft 和 Dynatrace 的企业级 AIOps
14 小时本课程在 中国 中进行。面向中级 IT 团队,讲解如何集成 Splunk、Moogsoft 和 Dynatrace 以实现企业级 AIOps。内容涵盖异常检测、告警关联和工作流自动化。旨在降低 MTTR,提升规模化运维效率。
使用 Prometheus、Grafana 和机器学习实现 AIOps
14 小时本讲师引导式实时培训 中国 帮助可观测性专业人员使用 Prometheus、Grafana 和机器学习整合 AIOps。参与者将配置可观测性技术栈,应用机器学习进行异常检测和预测,并为自动化运维构建智能告警规则。
LLMOps:生产环境中的大语言模型运营与治理
14 小时本在中国(线上或线下)举办的由讲师主导的现场培训,面向需要构建大规模支持大语言模型应用的稳健运营管道的机器学习工程师和平台团队。
机器学习安全与AI红队演练
14 小时本讲师主导的现场培训在中国(线上或线下)开展,面向需要识别、测试并防御针对机器学习模型和大型语言模型驱动应用程序攻击的安全工程师与机器学习工程师。