AI לאנשי DevOps

Description
טכנולוגיות AI מחוללות מהפכה באופן שבו אנו מייעלים תהליכי DevOps. בקורס זה נלמד כיצד לשלב כלי בינה מלאכותית ו-ML לשיפור תהליכי CI/CD, טיפול בהתראות, ניטור מערכות, אוטומציה של תהליכים, וקבלת החלטות מבוססות נתונים. המשתתפים יתנסו בסביבת עבודה אמיתית עם הכלים המובילים בשוק דרך תרגול מעשי אינטנסיבי.
Intended audience
אנשי DevOps, מהנדסי תשתיות, מנהלי מערכות ומפתחים העוסקים בתחומי ה-DevOps
▼Expand All
-
מודול 1: יסודות AI/ML לאנשי DevOps
-
מבוא ומושגי יסוד ב-AI/ML
-
סוגי מודלים רלוונטיים לתהליכי DevOps
-
מודלים גנרטיביים ושימושיהם בסביבת DevOps
-
MLOps: החיבור בין ML ל-DevOps
-
תרגול מעשי: עבודה ראשונית עם כלי AI לאוטומציה
-
-
מודול 2: אוטומציה מתקדמת באמצעות AI
-
שימוש ב-LLMs לכתיבת סקריפטים והאצת פיתוח
-
אוטומציה של הגדרות Infrastructure as Code עם AI
-
בניית מערכות בדיקות חכמות וזיהוי באגים אוטומטי
-
בוטים חכמים לתמיכה בתהליכי DevOps
-
תרגול מעשי: פיתוח פתרונות אוטומציה מבוססי AI
-
-
מודול 3: ניטור חכם וזיהוי אנומליות
-
יישום מודלים לזיהוי אנומליות במערכות
-
ניתוח לוגים מתקדם באמצעות AI
-
חיזוי תקלות וזיהוי מגמות לפני קריסה
-
התראות חכמות והפחתת false positives
-
תרגול מעשי: בניית מערכת ניטור חכמה
-
-
מודול 4: MLOps ופריסת מודלים
-
עקרונות MLOps
-
CI/CD למודלים של ML
-
ניטור ביצועי מודלים בסביבת ייצור
-
סביבות קונטיינרים ו-Kubernetes למודלים של ML
-
תרגול מעשי: בניית צינור MLOps בסיסי
-
-
מודול 5: יישומים מתקדמים וסיכום
-
אוטומציה של ניהול אבטחה באמצעות AI
-
אופטימיזציה של עלויות תשתית באמצעות ML
-
שילוב Large Language Models בתהליכי עבודה
-
Case Studies: סיפורי הצלחה מהשטח
-
תרגול מעשי: פרויקט מסכם לשילוב AI בתהליכי DevOps
-
-
פרקטיקה והתנסות מעשית:
-
עבודה עם GitHub Copilot לפיתוח IaC מואץ
-
בניית בוט DevOps מבוסס AI עם OpenAI API
-
שימוש ב-TensorFlow/PyTorch לזיהוי אנומליות במערכות
-
יישום מודלים מתקדמים לניתוח לוגים בזמן אמת
-
פריסת מודל ML בסביבת Kubernetes
-
בניית מערכת תחזית עומסים וצריכת משאבים
-
-
כלים שנלמד:
-
GitHub Copilot / Amazon CodeWhisperer
-
OpenAI API / Claude API
-
Prometheus, Grafana עם תוספי AI
-
TensorFlow / PyTorch (ברמה בסיסית)
-
Hugging Face עבור מודלים מוכנים
-
MLflow למעקב אחר ניסויים וחיי מודלים
-
Kubeflow לצינורות ML בסביבת Kubernetes
-
LangChain לבניית יישומי LLM התומכים ב-DevOps
-
- ניסיון מעשי ב-DevOps או תשתיות
- ידע בסיסי ב-Docker, Kubernetes, CI/CD
- ידע בסיסי בשימוש ב-Git
- ניסיון בסיסי בפיתוח (Python יתרון)
- הבנת האפשרויות המעשיות לשילוב AI ו-ML בתהליכי DevOps
- יישום פתרונות AI לאוטומציה של תהליכים תפעוליים
- שימוש במודלים גנרטיביים לכתיבת קוד ותיעוד אוטומטיים
- פיתוח מערכות לניטור חכם ואיתור אנומליות בזמן אמת
- אוטומציה של תהליכי troubleshooting וטיפול בתקלות
- יישום MLOps ברמה בסיסית
Contact Us



SEND
Related Courses