Study program

• Objectives

  A la fin du cours, l'étudiant est capable de:

  • Évaluer les pratiques d'un environnement de développement applicatif (infrastructure et code logiciel), et savoir proposer des pistes d'améliorations
  • Concevoir et mettre en place un processus d'intégration et de déploiement continu en tenant compte de la sécurité IT
  • Concevoir et développer une infrastructure évolutive pour l'installation, la maintenance, et l'orchestration des services d'une application complexe à grande-échelle
  • Concevoir et implémenter un modèle d'IA simple qui se base sur des données non statiques et pouvoir le déployer avec une intégration dans une application existante.
  • Mettre en place et expliquer les outils et procédures pour que les modèles deployés et les expériences soient reproductibles, documentés et comparables. L'integration de l'IA doit suivre les bonnes pratiques DevOps (automatisation, validation/tests etc.)
• Content

  • Introduction au DevSecOps, aux meilleures pratiques en matière de sécurité et maintenance évolutive de developement (SSDLC: threat modeling, automated code and security testing, security configuration management, operations)
  • Outils de monitoring de la qualité de code tels que SonarLint, SonarCube. Règles basiques de robustesse
  • Automatisation des tests: Approches de test (BDDs, TDD) et types de tests (unitaires, test d'intégration, tests UI automatisés), couverture des tests.
  • Intégration et Déploiement continu (CI/CD): concepts, processus et d'outils (tels Gitlab, Github Actions)
  • MLOps: DevOps appliqué au machine learning: meilleures pratiques, versioning des données.
  • Optionnel: Orchestration de services (avec des platformes tels Kubernetes) et le scaling qui vient avec ces technologies.

Type of teaching and workload

Course specification

Evaluation methods

• Continuous assessment

Intructor(s) and/or coordinator(s)

Sandy Ingram, Philippe Joye, Michael Mäder, Sébastien Rumley, Jacques Supcik, Beat Wolf