聯繫我們
 課程時長 14 時間:

課程簡介

增強型 AI 發布控制的基礎

  • 理解特徵旗標和漸進式交付
  • 灰度測試和分階段暴露的核心概念
  • AI 在發布工作流中增添價值的地方

用於發布決策的機器學習技術

  • 系統和用戶行為的基準建模
  • 用於早期預警的異常檢測方法
  • 訓練數據考慮因素和反饋循環

設計 AI 驅動的特徵旗標策略

  • 由 AI 信號驅動的動態旗標規則
  • 暴露閾值和自動化評分門禁
  • 適應性的增加、暫停或回滾邏輯

AI 輔助的灰度分析

  • 評估灰度與基準的性能
  • 指標權重化和創建基於 AI 的風險評分
  • 觸發自動化決策路徑

將 AI 模型集成到發布流水線中

  • 在 CI/CD 階段嵌入 AI 檢查
  • 連接特徵旗標系統到機器學習引擎
  • 管理混合自動/手動工作流的流水線

用於 AI 決策的監控與可觀察性

  • 可靠 AI 推理所需的信號
  • 收集性能、崩潰和行為遙測數據
  • 通過持續學習閉環

風險管理和運營治理

  • 確保發布決策中的負責任自動化
  • 定義人工審查條件和覆蓋點
  • 審計 AI 驅動的發布操作

跨產品擴展基於 AI 的發布策略

  • 多團隊治理框架
  • 可重用的機器學習組件和模型標準化
  • 跨產品遙測數據正規化

總結與下一步

最低要求

  • 理解 CI/CD 工作流
  • 有特徵旗標使用或部署流水線的經驗
  • 熟悉基本的統計或性能監控概念

目標受眾

  • 產品工程師
  • DevOps 專家
  • 發布工程師和技術負責人

課程分類