感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間：
課程簡介
DevOps 中的 AI 介紹
- 何謂 AI for DevOps？
- CI/CD 管線中 AI 的應用案例與優勢
AI 輔助的代碼開發與審查
- 使用 GitHub Copilot 及類似工具進行代碼補全
- 基於 AI 的代碼質量檢查與建議
- 自動生成測試及偵測漏洞
智能 CI/CD 管線設計
- 配置具有 AI 增強步驟的 Jenkins 或 GitHub Actions
- 預測性建置觸發及智能回滾偵測
- 根據歷史表現動態調整管線
AI 驅動的測試自動化
- AI 驅動的測試生成與優先級排序（例如：Testim, mabl）
- 使用機器學習進行回歸測試分析
- 利用數據驅動洞察減少不穩定性（Flakiness）及測試運行時間
結合 AI 的靜態與動態分析
- 將 SonarQube 及類似工具整合至管線中
- 自動偵測代碼異味（Code Smells）並提供重構建議
- 影響分析及代碼風險畫像
監控、反饋與持續改進
- AI 驅動的observability（可觀察性）工具及異常偵測
- 使用 ML 模型從部署結果中學習
- 在 SDLC（軟體開發生命週期）中建立自動化反饋循環
案例研究與實際整合
- 企業環境中 AI 增強 CI/CD 的實例
- 與雲原生平台及微服務的整合
- 挑戰、建議及最佳實踐
總結與後續步驟
最低要求
- 具備 DevOps 及 CI/CD 工作流程經驗
- 對版本控制及自動化工具有基本理解
- 熟悉軟體測試及部署概念
受眾
- DevOps 工程師及平台團隊
- QA 自動化主管及測試工程師
- 軟體架構師及發布經理
