Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Fundamentos del control de liberaciones mejorado con IA
- Comprensión de las feature flags y la entrega progresiva
- Conceptos clave de las pruebas canary y la exposición escalonada
- Dónde la IA aporta valor en los flujos de trabajo de liberación
Técnicas de aprendizaje automático para decisiones de despliegue
- Modelado de línea base del comportamiento del sistema y del usuario
- Enfoques de detección de anomalías para alertas tempranas
- Consideraciones sobre los datos de entrenamiento y los bucles de retroalimentación
Diseño de estrategias de feature flags impulsadas por IA
- Reglas dinámicas de flags informadas por señales de IA
- Umbrales de exposición y puertas de puntuación automatizadas
- Lógica adaptativa de aumento, pausa o reversión
Análisis canary asistido por IA
- Evaluación del rendimiento canary frente a la línea base
- Asignación de peso a las métricas y creación de puntuaciones de riesgo basadas en IA
- Activación de vías de decisión automatizadas
Integración de modelos de IA en las tuberías de liberación
- Incorporación de verificaciones de IA en las etapas de CI/CD
- Conexión de los sistemas de feature flags con motores de aprendizaje automático
- Gestión de tuberías para flujos de trabajo híbridos automatizados/manuales
Monitoreo y observabilidad para la toma de decisiones con IA
- Señales necesarias para una inferencia de IA confiable
- Recopilación de telemetría de rendimiento, fallas y comportamiento
- Cierre del bucle mediante el aprendizaje continuo
Gestión de riesgos y gobernanza operativa
- Garantizar la automatización responsable en las decisiones de liberación
- Definir condiciones de revisión humana y puntos de anulación
- Auditar las acciones de despliegue impulsadas por IA
Escala de las estrategias de despliegue basadas en IA entre productos
- Marcos de gobernanza para múltiples equipos
- Componentes de ML reutilizables y estandarización de modelos
- Normalización de la telemetría entre productos
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo CI/CD
- Experiencia con el uso de feature flags o tuberías de despliegue
- Conocimiento de conceptos básicos de estadística o monitoreo de rendimiento
Audiencia
- Ingenieros de producto
- Profesionales de DevOps
- Ingenieros de liberación y líderes técnicos
