Eğitim İçeriği

Tahmine Dayalı Derleme Optimizasyonunun Temelleri

  • Derleme sistemi engellerinin anlamlanması
  • Derleme performans verilerinin kaynakları
  • CI/CD'de ML fırsatlarının haritalandırılması

Derleme Analizi için Makine Öğrenimi

  • Derleme günlükleri için veri ön işleme
  • Derleme ile ilgili metriklerden özellik çıkarma
  • Uygun ML modellerinin seçilmesi

Derleme Hatalarını Tahmin Etme

  • Ana hata belirteçlerinin tanımlanması
  • Sınıflandırma modellerinin eğitilmesi
  • Tahmin doğruluğunun değerlendirilmesi

ML ile Derleme Sürelerini Optimizasyon

  • Derleme süresi desenlerinin modellemesi
  • Kaynak gereksinimlerinin tahmini
  • Varyansın azaltılması ve tahmin edilebilirliğin artırılması

Akıllı Önbellekleme Stratejileri

  • Tekrar kullanılabilir derleme artıfact'larının tespiti
  • ML destekli önbellekleme politikalarının tasarlanması
  • Önbellek geçersizleştirmenin yönetimi

CI/CD Hatlarına ML'nin Entegrasyonu

  • Tahmin adımlarını derleme iş akışlarına entegre etme
  • Tekrarlanabilirlik ve izlendiğinin sağlanması
  • Sürekli iyileştirmeler için modellerin işletilmesi

İzleme ve Sürekli Geribildirim

  • Derlemelerden telemetri toplama
  • Performans gözden geçirme döngülerinin otomatikleştirilmesi
  • Yeni verilere dayalı olarak modelin yeniden eğitilmesi

Tahmine Dayalı Derleme Optimizasyonunun Ölçeklendirilmesi

  • Büyük ölçekli derleme ekosistemlerinin yönetimi
  • ML ile kaynak tahmini
  • Çok bulutlu derleme platformlarıyla entegrasyon

Özeti ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Yazılım derleme hatlarına ilişkin bir anlayış
  • CI/CD araçları ile deneyim
  • Temel makine öğrenimi kavramlarına aşinalık

Hedef Kitle

  • Derleme ve dağıtım mühendisleri
  • DevOps uygulayıcıları
  • Platform mühendislik ekibi
 14 Saatler

Katılımcı Sayısı


Katılımcı başına fiyat

Yaklaşan Etkinlikler

İlgili Kategoriler