自愈管道：AI用于自动化事件检测与恢复 培训

AI驱动的部署编排是一种利用机器学习和自动化技术来指导发布策略、检测异常并在需要时触发自动回滚的方法。

本课程由讲师主导，提供线上或线下培训，面向希望利用AI驱动的决策和弹性能力优化部署流程的中级专业人士。

完成本培训后，学员将能够：

• 实施AI辅助的发布策略，以实现更安全的部署。
• 利用机器学习驱动的洞察预测部署风险。
• 集成基于异常检测的自动回滚工作流。
• 增强可观测性，以支持智能编排。

课程形式

• 讲师主导的演示，深入技术细节。
• 专注于部署实验的实践场景。
• 模拟真实编排挑战的实践实验室。

课程定制选项

• 可根据需求安排定制集成、工具链支持或工作流对齐。

AI for DevOps 是将人工智能应用于持续集成、测试、部署和交付流程中，通过智能自动化和优化技术来提升效率。

本次由讲师主导的培训（线上或线下）面向中级DevOps专业人员，旨在帮助他们将人工智能和机器学习融入其CI/CD管道中，以提高速度、准确性和质量。

培训结束后，参与者将能够：

• 将AI工具集成到CI/CD工作流程中，实现智能自动化。
• 应用基于AI的测试、代码分析和变更影响检测。
• 利用预测性洞察优化构建和部署策略。
• 通过AI增强的反馈循环实现可追溯性和持续改进。

课程形式

• 互动式讲座与讨论。
• 大量练习与实践。
• 在实时实验室环境中进行实际操作。

课程定制选项

• 如需为此课程定制培训，请联系我们进行安排。

AI驱动的发布控制是一种应用机器学习、模式分析和自适应决策模型于功能标志操作和金丝雀测试工作流的方法。

本课程由讲师主导，采用线下或线上培训形式，面向中级工程师和技术负责人，旨在通过AI驱动分析提升发布可靠性，优化功能暴露决策。

完成本课程后，学员将能够：

• 应用基于AI的决策模型评估新功能暴露的风险。
• 使用性能、行为和操作指标自动化金丝雀分析。
• 将智能评分系统集成到功能标志平台中。
• 设计基于实时数据动态调整的发布策略。

课程形式

• 通过真实场景进行引导讨论。
• 强调AI增强发布策略的实践练习。
• 在模拟的功能标志和金丝雀环境中进行实际应用。

课程定制选项

• 如需定制内容或集成组织特定的工具，请联系我们。

AIOps（IT运维人工智能）正越来越多地用于预测事件发生前的故障，并自动化根本原因分析（RCA），以最小化停机时间并加速问题解决。

本课程为讲师引导的培训（线上或线下），面向希望使用AIOps工具和机器学习模型实现预测分析、自动化修复并设计智能RCA工作流程的高级IT专业人士。

在本培训结束时，参与者将能够：

• 构建和训练机器学习模型，以检测导致系统故障的模式。
• 基于多源日志和指标相关性，自动化RCA工作流程。
• 将告警和修复流程集成到现有平台中。
• 在生产环境中部署和扩展智能AIOps管道。

课程形式

• 互动讲座与讨论。
• 大量练习与实践。
• 在实时实验室环境中进行实际操作。

课程定制选项

• 如需为本课程定制培训，请联系我们进行安排。

AIOps（IT运营人工智能）是一种应用机器学习和分析技术来自动化并改善IT运营的实践，特别是在监控、事件检测和响应领域。

本次由讲师指导的培训（线上或线下）面向中级IT运营专业人员，他们希望实施AIOps技术，以关联指标和日志，减少警报噪音，并通过智能自动化提高可观测性。

培训结束后，参与者将能够：

• 理解AIOps平台的原理和架构。
• 关联日志、指标和跟踪数据以识别根本原因。
• 通过智能过滤和噪音抑制减少警报疲劳。
• 使用开源或商业工具自动监控和响应事件。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行实际操作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

一个完全使用开源工具构建的AIOps管道，让团队能够为生产环境中的可观测性、异常检测和智能警报设计成本效益高且灵活的解决方案。

这项由讲师指导的培训（线上或线下）针对希望使用Prometheus、ELK、Grafana和自订ML模型构建和部署端到端AIOps管道的高级工程师。

在本培训结束时，参与者将能够：

• 仅使用开源组件设计AIOps架构。
• 从日志、指标和追踪中收集并标准化数据。
• 应用ML模型来检测异常并预测事件。
• 使用开源工具自动化警报和修复。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手实作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

AI驱动的测试生成是一套利用机器学习自动创建测试用例并预测测试漏洞的技术和工具。

本课程为讲师指导的培训（线上或线下），面向希望应用AI技术自动生成测试并预测覆盖不足领域的高级专业人士。

完成本工作坊后，学员将能够：

• 利用AI模型生成有效的单元测试、集成测试和端到端测试场景。
• 使用机器学习分析代码库，检测潜在的覆盖盲点。
• 将基于AI的测试生成集成到CI/CD工作流中。
• 基于预测性故障分析优化测试策略。

课程形式

• 专家指导的技术讲座。
• 基于场景的实践环节和动手练习。
• 在受控测试环境中进行应用实验。

课程定制选项

• 如需根据您的工具链或工作流定制本培训，请联系我们安排。

AI驱动的QA自动化通过生成智能测试用例、优化回归覆盖率，并将智能质量门集成到CI/CD管道中，从而增强传统测试，实现可扩展且可靠的软件交付。

本次由讲师指导的培训（线上或线下）面向中级水平的QA和DevOps专业人士，旨在帮助他们应用AI工具，自动化并扩展持续集成和部署工作流程中的质量保证。

培训结束后，学员将能够：

• 使用AI驱动的自动化平台生成、优先排序和维护测试。
• 将智能QA门集成到CI/CD管道中，以防止回归。
• 使用AI进行探索性测试、缺陷预测和测试不稳定性分析。
• 在快速推进的敏捷项目中优化测试时间和覆盖率。

课程形式

• 互动式讲座与讨论。
• 大量练习与实践。
• 在实时实验室环境中进行实际操作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

AI支持的合规监控是一门应用智能自动化技术，在软件交付生命周期中检测、执行和验证政策要求的学科。

本课程由讲师主导，提供线上或线下培训，面向希望将AI驱动的合规控制集成到其CI/CD流水线中的中级专业人士。

完成本培训后，学员将能够：

• 应用基于AI的检查，识别软件构建过程中的合规差距。
• 使用智能政策引擎，执行监管、安全和许可标准。
• 自动检测配置漂移和偏差。
• 将实时合规报告纳入交付工作流程。

课程形式

• 讲师引导的演示，辅以实际案例。
• 专注于真实CI/CD合规场景的实践练习。
• 在受控的DevSecOps实验室环境中进行应用实验。

课程定制选项

• 如果您的组织需要定制的合规集成，请联系我们安排。

GitHub Copilot是一款由AI驱动的编码助手，旨在自动化开发任务，包括编写YAML配置、GitHub Actions和部署脚本等DevOps操作。

本课程由讲师主导，提供线上或线下培训，面向希望使用GitHub Copilot简化DevOps任务、提升自动化水平并提高生产力的初级到中级专业人士。

培训结束后，参与者将能够：

• 使用GitHub Copilot辅助进行Shell脚本编写、配置和CI/CD管道管理。
• 在YAML文件和GitHub Actions中利用AI代码补全功能。
• 加速测试、部署和自动化工作流程。
• 在理解AI局限性和最佳实践的基础上，负责任地使用Copilot。

课程形式

• 互动式讲座与讨论。
• 大量练习与实践。
• 在实时实验环境中进行动手操作。

课程定制选项

• 如需定制本课程，请联系我们进行安排。

DevSecOps with AI 是将人工智能整合到DevOps管道中的实践，以主动检测漏洞、执行安全策略，并在整个软件交付生命周期中自动化响应操作。

本课程为讲师引导的培训（线上或线下），面向中级DevOps和安全专业人员，旨在应用基于AI的工具和实践，增强开发和部署管道中的安全自动化。

在本培训结束时，参与者将能够：

• 将AI驱动的安全工具嵌入CI/CD管道。
• 使用AI驱动的静态和动态分析，更早地发现问题。
• 自动化秘密检测、代码漏洞扫描和依赖风险分析。
• 启用主动威胁建模和策略执行，使用智能技术。

课程形式

• 互动讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

Enterprise AIOps 平台，如 Splunk、Moogsoft 和 Dynatrace，提供了强大的功能，能够在大规模 IT 环境中检测异常、关联警报并自动化响应。

本课程为讲师指导的培训（线上或线下），面向希望将 AIOps 工具集成到其现有可观测性堆栈和操作工作流中的中级企业 IT 团队。

通过本培训，参与者将能够：

• 配置并将 Splunk、Moogsoft 和 Dynatrace 集成到统一的 AIOps 架构中。
• 使用 AI 驱动的分析，关联分布式系统中的指标、日志和事件。
• 通过内置和自定义工作流，自动化事件检测、优先级排序和响应。
• 优化性能，减少 MTTR，并在企业规模上提高操作效率。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行实际操作。

课程定制选项

• 如需为本课程申请定制培训，请联系我们安排。

Prometheus 和 Grafana 是现代基础设施中广泛采用的可观测性工具，而机器学习通过提供预测性和智能化的洞察，增强了这些工具，以自动化运维决策。

本次由讲师指导的培训（线上或线下）面向中级可观测性专业人员，旨在通过整合 AIOps 实践，使用 Prometheus、Grafana 和机器学习技术，实现监控基础设施的现代化。

在培训结束时，参与者将能够：

• 配置 Prometheus 和 Grafana，以实现跨系统和服务的可观测性。
• 收集、存储和可视化高质量的时间序列数据。
• 应用机器学习模型进行异常检测和预测。
• 基于预测性洞察构建智能告警规则。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行实际操作。

课程定制选项

• 如需为此课程定制培训，请联系我们安排。

LLMs和自主代理框架如AutoGen和CrewAI正在重新定义DevOps团队如何通过模拟人类协作和决策来自动化任务，例如变更跟踪、测试生成和警报分类。

本课程为讲师主导的培训（线上或线下），面向希望设计和实施由大型语言模型（LLMs）和多代理系统驱动的DevOps自动化工作流程的高级工程师。

培训结束后，学员将能够：

• 将基于LLM的代理集成到CI/CD工作流程中，实现智能自动化。
• 使用代理自动化测试生成、提交分析和变更摘要。
• 协调多个代理进行警报分类、生成响应和提供DevOps建议。
• 使用开源框架构建安全且可维护的代理驱动工作流程。

课程形式

• 互动式讲座和讨论。
• 大量练习和实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需定制本课程，请联系我们安排。

预测性构建优化是通过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。

本课程为讲师指导的培训（线上或线下），面向希望使用机器学习技术通过自动化、预测和智能缓存来改进构建管道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。
• 根据历史构建日志检测和预测构建失败。
• 实施基于机器学习的缓存策略以减少构建时间。
• 将预测分析集成到现有的CI/CD工作流程中。

课程形式

• 讲师引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环境中进行实际操作。

课程定制选项

• 如需根据特定工具链或环境调整本培训，请联系我们以定制课程。