Programmes d'études
Intelligent DevOps of Large-Scale Software Sy

Programmes d'études
Intelligent DevOps of Large-Scale Software Sy
Programmes d'études
Détails et horaire du cours
Légende
Cours de jour
Cours de soir
Cours en ligne
Certificats et microprogrammes de 1er cycle
Baccalauréat (formation d'ingénieur)
Études supérieures
LOG6309E
Intelligent DevOps of Large-Scale Software Sy
Nombre de crédits :
3 (3 - 0 - 6)
Les chiffres indiqués entre parenthèses sous le sigle du cours, par exemple (3 - 2 - 4), constituent le triplet horaire.
Le premier chiffre est le nombre d'heures de cours théorique par semaine (les périodes de cours durent 50 minutes).
Le second chiffre est le nombre d'heures de travaux dirigés (exercices) ou laboratoire, par semaine.
(Note : certains cours ont un triplet (3 - 1.5 - 4.5). Dans ce cas, les 1,5 heure par semaine sont des laboratoires qui durent 3 heures mais qui ont lieu toutes les deux semaines. À Polytechnique, on parle alors de laboratoires bi-hebdomadaires).
Le troisième chiffre est un nombre d'heures estimé que l'étudiant doit investir de façon personnelle par semaine pour réussir son cours.
Le premier chiffre est le nombre d'heures de cours théorique par semaine (les périodes de cours durent 50 minutes).
Le second chiffre est le nombre d'heures de travaux dirigés (exercices) ou laboratoire, par semaine.
(Note : certains cours ont un triplet (3 - 1.5 - 4.5). Dans ce cas, les 1,5 heure par semaine sont des laboratoires qui durent 3 heures mais qui ont lieu toutes les deux semaines. À Polytechnique, on parle alors de laboratoires bi-hebdomadaires).
Le troisième chiffre est un nombre d'heures estimé que l'étudiant doit investir de façon personnelle par semaine pour réussir son cours.
Département :
Génies informatique & logiciel
Préalable(s) :
Corequis :
Notes :
Responsable(s) :
Heng Li
Description
Modern software DevOps process. State-of-the-art DevOps research. Concepts and techniques of DevOps monitoring: logging, tracing, and performance monitoring. Concepts and techniques of DevOps data analytics: static analysis, dynamic analysis, statistical analysis, data mining. Applications of DevOps data analytics: log analytics, performance analytics, anomaly detection, failure diagnosis, incident prediction, security analytics, system configuration, and self-adaptive and self-healing systems. DevOps for machine learning applications.
Modern software DevOps process. State-of-the-art DevOps research. Concepts and techniques of DevOps monitoring: logging, tracing, and performance monitoring. Concepts and techniques of DevOps data analytics: static analysis, dynamic analysis, statistical analysis, data mining. Applications of DevOps data analytics: log analytics, performance analytics, anomaly detection, failure diagnosis, incident prediction, security analytics, system configuration, and self-adaptive and self-healing systems. DevOps for machine learning applications.
Plan triennal
2024-2025 | 2025-2026 | 2026-2027 | ||||||
---|---|---|---|---|---|---|---|---|
Automne | Hiver | Été | Automne | Hiver | Été | Automne | Hiver | Été |
Cours de jour | - | - | Cours de jour | - | - | Cours de jour | - | - |