使用机器学习进行预测性构建优化培訓
预测性构建优化是通过机器学习分析构建行为,从而提高可靠性、速度和资源利用率的一种实践。
本次由讲师指导的培训(线上或线下)面向中级工程专业人员,帮助他们运用机器学习技术,通过自动化、预测和智能缓存来改进构建流程。
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。
- 将预测分析集成到现有CI/CD工作流中。
课程形式
- 讲师指导讲座与协作讨论。
- 聚焦于分析和建模构建数据的实践练习。
- 在模拟CI/CD环境中进行动手实施。
课程定制选项
- 如需根据特定工具链或环境调整本培训,请联系我们定制课程。
課程簡介
预测性构建优化基础
- 了解构建系统瓶颈
- 构建性能数据来源
- 在CI/CD中识别机器学习应用机会
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
通过机器学习优化构建时间
- 建模构建时长模式
- 估算资源需求
- 降低波动性,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流程中
- 将预测步骤嵌入构建工作流
- 确保可复现性与可追溯性
- 将模型投入运行,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
- 基于新数据重新训练模型
扩展预测性构建优化
- 管理大规模构建生态系统
- 通过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
最低要求
- 了解软件构建流程
- 具有CI/CD工具使用经验
- 熟悉基本机器学习概念
目标受众
- 构建与发布工程师
- DevOps从业者
- 平台工程团队
公開培訓課程需要5名以上參與者。
使用机器学习进行预测性构建优化培訓 - 訂單
使用机器学习进行预测性构建优化培訓 - 詢問
使用机器学习进行预测性构建优化 - 咨詢詢問
即將到來的課程
相關課程
AI for DevOps:將智慧整合至CI/CD管道
14 小時AI 功能旗標與金絲雀測試策略
14 小時AI 驅動的觀測性:從日誌到基於大語言模型的洞察
14 小時在 香港(線上或線下)進行的這場由講師引導的即時培訓,旨在幫助希望將大語言模型 (LLM) 和 AI 集成到其監控、告警及事件分析工作流中的觀測性和 SRE 工程師。
AIOps實戰:事件預測與根因自動化
14 小時AIOps基礎:監控、關聯與智能警報
14 小時使用開源工具建置 AIOps 管線
14 小時在 香港 的這場講師帶領培訓中,學習使用開源工具建置端到端 AIOps 管線。透過 Prometheus、ELK 及自訂 ML 模型,涵蓋可觀測性、異常偵測與自動化警報,掌握實戰生產環境所需的動手技能。
AI驅動的測試生成與覆蓋率預測
14 小時CI/CD中的AI驅動QA自動化
14 小時以AI代理實現自主運維
14 小時這是由講師帶領的現場培訓。地點為 香港,形式為線上或線下。課程面向SRE和DevOps工程師。旨在幫助設計、構建並安全部署AI代理,以實現自主IT運維。
以AI持續合規:CI/CD中的治理
14 小時結合 Splunk、Moogsoft 與 Dynatrace 的企業級 AIOps
14 小時此 香港 的線上培訓,教導中等 IT 團隊如何整合 Splunk、Moogsoft 與 Dynatrace。實現企業級 AIOps。涵蓋異常偵測、警訊關聯與工作流程自動化。以降低 MTTR 並提升大規模作業效率。
使用Prometheus、Grafana和ML部署AIOps
14 小時本課程為在 香港 進行的授課老師帶領的培訓,協助可觀測性專業人員使用Prometheus、Grafana和ML整合AIOps。學員將配置可觀測性棧,應用機器學習進行異常檢測和預測,並為自動化運營構建智能告警規則。
LLMOps:生產環境中的大語言模型運營與治理
14 小時本在香港(線上或線下)舉辦的由講師主導的現場培訓,面向需要構建大規模支持大語言模型應用的穩健運營管道的機器學習工程師和平臺團隊。