آموزش DevOps و GenAI با استفاده از .NET، Azure OpenAI و GitHub [ویدئویی] - آخرین آپدیت

دانلود DevOps and GenAI using .NET, Azure OpenAI and GitHub [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره با ایجاد یک بنیاد قوی در زمینه هوش مصنوعی مولد (Generative AI) در اکوسیستم DevOps آغاز می‌شود و توضیح می‌دهد که چگونه AI باعث افزایش بهره‌وری، تصمیم‌گیری بهتر و اتوماسیون در چرخه تحویل نرم‌افزار می‌گردد. یادگیرندگان مفاهیم کلیدی مانند DevOps به کمک AI در مقابل DevOps خودمختار و همچنین ملاحظات حیاتی ریسک، از جمله توهمات (Hallucinations)، رانش مدل (Model Drift) و قابلیت اطمینان عملیاتی را بررسی می‌کنند. سپس دوره به بخش پیاده‌سازی عملی منتقل می‌شود، جایی که زبان‌آموزان AI را در سناریوهای واقعی DevOps مانند زیرساخت به عنوان کد (IaC)، تولید خط لوله (Pipeline)، استراتژی‌های تست، اتوماسیون انتشار و پاسخ به حوادث به کار می‌گیرند. از طریق دموهای هدایت‌شده، یادگیرندگان تجربه عملی ادغام AI در جریان‌های کاری را با استفاده از ابزارهایی مانند .NET، Azure OpenAI و GitHub کسب می‌کنند تا سرعت، ثبات و نتایج تحویل را بهبود بخشند. در مرحله نهایی، مباحث پیشرفته‌ای مانند حاکمیت سازمانی (Enterprise Governance)، الگوهای ادغام امن و سیستم‌های AI عامل‌محور (Agentic AI) به طور عمیق بررسی می‌شوند. یادگیرندگان خط لوله‌های هوشمند طراحی می‌کنند، جریان‌های کاری مبتنی بر AI را سازماندهی کرده و عامل‌های خودمختار را با قابلیت مشاهده و کنترل پیاده‌سازی می‌کنند تا عملکردهای DevOps مقیاس‌پذیر، امن و آماده تولید را مطابق با نیازهای مدرن سازمان‌ها به دست آورند. - درک نقش AI در فرآیندهای DevOps - ادغام ابزارهای AI در خط لوله‌های مبتنی بر GitHub و Azure - اتوماسیون یادداشت‌های انتشار (Release Notes) و استراتژی‌های تست با استفاده از AI - اعمال روش‌های حاکمیت AI برای جریان‌های کاری امن DevOps - توسعه AI عامل‌محور برای پاسخ به حوادث و تحلیل کیفیت کد - بهره‌گیری از سیستم‌های چند-عاملی برای مدیریت بلادرنگ DevOps این دوره برای متخصصان DevOps، مهندسان و مدیران IT که به دنبال بهینه‌سازی جریان‌های کاری خود با استفاده از AI هستند، ایده‌آل است. داشتن درک پایه از مفاهیم DevOps و ابزارهایی مانند GitHub و خدمات ابری برای شرکت‌کنندگان توصیه می‌شود. یاد بگیرید چگونه ابزارهای AI را در خط لوله DevOps خود ادغام کنید. * دموهای عملی مدیریت زیرساخت به کمک AI، پاسخ به حوادث و جریان‌های کاری CI/CD. * بررسی عمیق حاکمیت AI، امنیت و آمادگی سازمانی.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • دامنه دوره و ابزارها Course Scope and Tooling

مفاهیم هوش مصنوعی مولد برای DevOps Generative AI Concepts for DevOps

  • مرور بخش Section Overview

  • چگونه هوش مصنوعی مولد به مهندسان DevOps کمک می‌کند How Generative AI Helps DevOps Engineers

  • جایگاه ارزش‌آفرینی هوش مصنوعی مولد در چرخه DevOps Where Generative AI Adds Value in the DevOps Lifecycle

  • DevOps به کمک AI در مقابل DevOps خودمختار AI-Assisted vs AI-Autonomous DevOps

  • آگاهی از ریسک‌ها: توهمات، رانش و زیاده‌روی Risk Awareness: Hallucinations, Drift, and Overreach

  • مرور بخش Section Review

DevOps عملی به کمک هوش مصنوعی Practical AI-Assisted DevOps

  • مرور بخش Section Overview

  • زیرساخت به عنوان کد (IaC) به کمک AI AI-Assisted Infrastructure as Code (IaC)

  • دمو: زیرساخت به عنوان کد به کمک AI (Bicep + GitHub Copilot) Demo: AI-Assisted Infrastructure as Code (Bicep + GitHub Copilot)

  • دمو: نویسندگی و بهینه‌سازی خط لوله با استفاده از AI Demo: Pipeline Authoring and Optimization Using AI

  • دمو: AI برای استراتژی تست و اطمینان از انتشار Demo: AI for Test Strategy and Release Confidence

  • دمو: اتوماسیون یادداشت‌های انتشار به کمک AI Demo: AI-Assisted Release Notes Automation

  • دمو: پاسخ به حوادث و تحلیل ریشه خطا به کمک AI Demo: AI-Assisted Incident Response and Root Cause Analysis

  • مرور بخش Section Review

ابزارهای AI در DevOps، حاکمیت و آمادگی سازمانی DevOps AI Tools, Governance, and Enterprise Readiness

  • مرور بخش Section Overview

  • چشم‌انداز ابزارهای AI سازمانی برای DevOps Enterprise AI Tooling Landscape for DevOps

  • بررسی ابزارهای AI مورد استفاده در DevOps Review of AI Tooling Used in DevOps

  • ایجاد نرده‌های حفاظتی AI برای تیم‌های DevOps سازمانی Establishing AI Guardrails for Enterprise DevOps Teams

  • حسابرسی، پاسخگویی و نظارت عملیاتی Auditing, Accountability, and Operational Oversight

  • ایجاد دفترچه راهنمای پذیرش AI برای سازمان شما Creating an AI Adoption Playbook for Your Organization

  • اندازه‌گیری بازگشت سرمایه (ROI) از AI در DevOps Measuring ROI of AI in DevOps

  • مرور بخش Section Review

ادغام هوش مصنوعی مولد در خط لوله‌های DevOps Integrating Generative AI into DevOps Pipelines

  • مرور بخش Section Overview

  • تخصیص و اتصال به موتور AI Provisioning and Connecting to an AI Engine

  • طراحی گام‌های جریان کاری قطعی (Deterministic) در AI Designing Deterministic AI Workflow Steps

  • سازماندهی کارهای AI در GitHub Actions Orchestrating AI Jobs in GitHub Actions

  • مهندسی کانتکست برای AI در DevOps Context Engineering for DevOps AI

  • مدیریت هزینه و عملکرد برای خط لوله‌های AI Cost and Performance Management for AI Pipelines

  • قابلیت مشاهده و حلقه‌های بازخورد برای خط لوله‌های به کمک AI Observability and Feedback Loops for AI-Assisted Pipelines

  • الگوهای ادغام امن (امنیت فنی) Secure Integration Patterns (Technical Security)

  • ChatOps تقویت شده با AI AI-Augmented ChatOps

  • مرور بخش Section Review

هوش مصنوعی عامل‌محور برای سناریوهای پیشرفته DevOps Agentic AI for Advanced DevOps Scenarios

  • مرور بخش Section Overview

  • مبانی عامل‌های AI: کالبدشناسی یک عامل AI Agents 101: Anatomy of an Agent

  • AI عامل‌محور در خط لوله‌های CI/CD (موارد استفاده امن و ناامن) Agentic AI in CI/CD Pipelines (Safe and Unsafe Use Cases)

  • دمو: توسعه یک عامل DevOps حداقلی Demo: Developing a Minimal DevOps Agent

  • دمو: افزودن عامل حداقلی به یک جریان کاری GitHub Demo: Adding Minimal Agent to a GitHub Workflow

  • حالت‌های شکست عامل در محیط عملیاتی Agent Failure Modes in Production

  • مدل طراحی خودمختاری پیش‌رونده Progressive Autonomy Design Model

  • الگوهای عامل‌محور در جریان‌های کاری DevOps (PRها، بیلدها، حوادث) Agentic Patterns in DevOps Workflows (PRs, Builds, Incidents)

  • دمو: توسعه عامل پیشنهاد دهنده کیفیت کد در PR Demo: Developing a PR Code Quality Suggesting Agent

  • دمو: ادغام عامل در جریان کاری ارزیابی کیفیت کد PR Demo: Integrating Agent into PR Code Quality Assessment Workflow

  • حافظه در سیستم‌های عامل‌محور: چه چیزی ذخیره شود و چه چیزی نشود Memory in Agentic Systems: What to Store and What Not to Store

  • دمو: افزودن حافظه در سطح جریان کاری به یک عامل DevOps Demo: Adding Workflow-Level Memory to a DevOps Agent

  • ابزارها و MCP: استانداردسازی کانتکست و اکشن‌ها در میان عامل‌ها Tools and MCP: Standardizing Context and Actions Across Agents

  • دمو: ساخت یک سرور MCP برای ابزارهای GitHub Demo: Build an MCP Server for GitHub Tooling

  • دمو: گسترش عامل با ابزارهای MCP Demo: Extend the Agent with MCP Tools

  • دمو: تست و تایید جریان کاری GitHub با استفاده از عامل MCP Demo: Test and Verify the GitHub Workflow Using the MCP Agent

  • سیستم‌های چند-عاملی برای پاسخ به حوادث Multi-Agent Systems for Incident Response

  • دمو: ایجاد یک پیاده‌سازی چند-عاملی Demo: Creating a Multi-Agent Implementation

  • دمو: تست یک جریان کاری چند-عاملی Demo: Testing a Multi-Agent Workflow

  • قابلیت مشاهده و ارزیابی عامل‌های AI Observability and Evaluation of AI Agents

  • دمو: افزودن قابلیت مشاهده و ارزیابی به یک عامل Demo: Adding Observability and Evaluation to an Agent

  • دمو: بصری‌سازی OpenTelemetry عامل با Aspire Demo: Visualizing Agent OpenTelemetry with Aspire

  • مرور بخش Section Review

جمع‌بندی Conclusion

  • جمع‌بندی و توصیه‌ها Conclusion and Recommendations

نمایش نظرات

آموزش DevOps و GenAI با استفاده از .NET، Azure OpenAI و GitHub [ویدئویی]
جزییات دوره
5h 10m
58
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar