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 lanzamientos mejorado con IA
- Comprensión de las feature flags y la entrega progresiva.
- Conceptos clave de las pruebas canarias y la exposición por etapas.
- Dónde añade valor la IA en los flujos de trabajo de lanzamiento.
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 de aumento, pausa o reversión adaptativa.
Análisis canario asistido por IA
- Evaluación del rendimiento de la versión canaria frente a la línea base.
- Ponderación de métricas y creación de puntajes de riesgo basados en IA.
- Activación de rutas de decisión automatizadas.
Integración de modelos de IA en las líneas de montaje de lanzamientos
- 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 flujos para trabajos híbridos automatizados/manuales.
Monitoreo y observabilidad para la toma de decisiones por IA
- Señales necesarias para una inferencia de IA fiable.
- Recopilación de telemetría de rendimiento, fallos y comportamiento.
- Cierre del ciclo mediante aprendizaje continuo.
Gestión de riesgos y gobernanza operativa
- Garantizar la automatización responsable en las decisiones de lanzamiento.
- Definición de condiciones de revisión humana y puntos de anulación.
- Auditoría de acciones de despliegue impulsadas por IA.
Escala de estrategias de despliegue basadas en IA entre productos
- Marco de gobernanza para múltiples equipos.
- Componentes de ML reutilizables y estandarización de modelos.
- Normalización de telemetría entre productos.
Resumen y siguientes pasos
Requerimientos
- Comprensión de los flujos de trabajo de CI/CD.
- Experiencia en el uso de feature flags o en líneas de montaje de despliegue.
- Conocimiento de conceptos básicos de estadística o monitoreo de rendimiento.
Público objetivo
- Ingenieros de producto.
- Profesionales de DevOps.
- Ingenieros de lanzamiento y líderes técnicos.
