Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Grundlagen der KI-gestützten Release-Steuerung
- Verständnis von Feature Flags und progressiver Lieferung
- Kernkonzepte des Canary-Testings und der gestuften Freigabe
- Wo KI in Release-Workflows Mehrwert stiftet
Maschinelles Lernen für Rollout-Entscheidungen
- Basismodellierung von System- und Nutzerverhalten
- Anomalieerkennung für frühzeitige Warnungen
- Überlegungen zu Trainingsdaten und Feedback-Loops
Entwicklung KI-gestützter Feature-Flag-Strategien
- Dynamische Flag-Regeln, gestützt durch KI-Signale
- Freigabelimits und automatische Score-Gates
- Adaptive Logik für Erhöhung, Pause oder Rollback
KI-gestützte Canary-Analyse
- Bewertung der Leistung von Canary im Vergleich zur Baseline
- Gewichtung von Metriken und Erstellung KI-basierter Risikoscores
- Auslösung automatisierter Entscheidungspfade
Integration von KI-Modellen in Release-Pipelines
- Einbettung von KI-Prüfungen in CI/CD-Stufen
- Verbindung von Feature-Flag-Systemen mit ML-Engines
- Verwaltung von Pipelines für hybride automatisierte/manuelle Workflows
Monitoring und Observability für KI-Entscheidungen
- Erforderliche Signale für zuverlässige KI-Inferenz
- Erfassung von Leistungs-, Crash- und Verhaltens-Telemetrie
- Schliessung der Schleife durch kontinuierliches Lernen
Risikomanagement und operative Governance
- Gewährleistung verantwortungsvoller Automatisierung bei Release-Entscheidungen
- Definition menschlicher Prüfbedingungen und Override-Punkte
- Auditing von KI-gesteuerten Rollout-Massnahmen
Skalierung KI-basierter Rollout-Strategien über Produkte hinweg
- Governance-Rahmen für mehrere Teams
- Wiederverwendbare ML-Komponenten und Modellstandardisierung
- Normalisierung von Telemetrie über Produkte hinweg
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von CI/CD-Workflows
- Erfahrung mit der Verwendung von Feature Flags oder Deployment-Pipelines
- Vertrautheit mit grundlegenden statistischen oder Performance-Monitoring-Konzepten
Zielgruppe
- Produkt-Ingenieure
- DevOps-Profis
- Release-Ingenieure und technische Leads
