聯繫我們
 課程時長 14 時間:

課程簡介

AI 增強發布控制的基礎知識

  • 理解功能旗標與漸進式交付
  • 灰度測試與分階段曝光的核心概念
  • AI 在發布工作流中創造價值的關鍵環節

用於發布決策的機器學習技術

  • 系統與用戶行為的基線建模
  • 用於預警的異常偵測方法
  • 訓練數據考量與回饋循環機制

設計 AI 驅動的功能旗標策略

  • 結合 AI 訊號建立動態旗標規則
  • 設定曝光閾值與自動化評分門檻
  • 實現動態增加、暫停或回滾的邏輯機制

AI 輔助的灰度分析

  • 評估灰度版本與基線版本的效能差異
  • 指標權重設定與建立基於 AI 的風險評分
  • 觸發自動化決策路徑

將 AI 模型整合至發布管線

  • 在 CI/CD 階段嵌入 AI 檢查機制
  • 連接功能旗標系統與機器學習引擎
  • 管理結合自動化與人工審查的混合管線

AI 決策的監控與可觀察性

  • 確保 AI 推論可靠性的必要訊號
  • 收集效能、崩潰及行為遙測數據
  • 透過持續學習閉環優化決策過程

風險管理與運營治理

  • 確保發布決策中自動化過程的負責任性
  • 定義人工審查條件與覆核權限
  • 稽核 AI 驅動的發布操作記錄

跨產品擴展 AI 發布策略

  • 建立多團隊協作治理架構
  • 重用機器學習元件並標準化模型
  • 跨產品遙測數據正規化

總結與後續步驟

最低要求

  • 理解 CI/CD 工作流程
  • 具備功能旗標使用或部署管線之經驗
  • 熟悉基本的統計分析或效能監控概念

目標學員

  • 產品工程師
  • DevOps 專業人員
  • 發布工程師及技術負責人

人數


每位參與者的報價

即將到來的課程

課程分類