Que cherchez-vous?
51 Résultats pour : « Portes ouvertes »

L'ÉTS vous donne rendez-vous à sa journée portes ouvertes qui aura lieu sur son campus à l'automne et à l'hiver : Samedi 18 novembre 2023 Samedi 17 février 2024 Le dépôt de votre demande d'admission à un programme de baccalauréat ou au cheminement universitaire en technologie sera gratuit si vous étudiez ou détenez un diplôme collégial d'un établissement québécois.

Événements à venir
Sigle
MGL869D

MGL869D - Sujets spéciaux I en génie logiciel : L’ingénierie de mise en production des versions logiciel

L’objectif du cours est d’introduire les étudiants à l'ingénierie de mise en production de nouvelles versions logiciel et des méthodes avancées appliquées à ce domaine. L’ingénierie de mise en production est la discipline de la configuration, l’intégration, la construction (build), le déploiement et la publication de nouvelles versions logiciel ainsi que la collecte et l’analyse de la télémétrie. L'ingénierie de mise en production est une partie fondamentale du monde du DevOps. C’est l’ingénierie qui a permis à un grand nombre d'entreprises d’améliorer la qualité de leurs logiciels et d'accélérer la livraison de nouvelles fonctionnalités aux clients avec une fraction des coûts. Grâce aux pratiques de cette ingénierie, des start-ups comme IMVU sont capables de réaliser des nouvelles versions 50 fois/jour. De même pour des grandes entreprises comme Facebook (trois nouvelles versions/jour) et des navigateurs web comme Google Chrome qui eux réalisent des nouvelles versions sans que les clients ne s’en aperçoivent. Le cours introduira les principes de bases ainsi que des techniques avancées liés à l’ingénierie de mise en production des versions logiciel tel que : l’intégration continue ainsi que la prédiction des bogues via des modèles d’apprentissage machine; la révision de code; la gestion de configuration et la qualité des systèmes hautement configurable; les modèles de publications de nouvelles versions; les traces d’exécution (log) ainsi que la prévention et prédiction des pannes (p. ex. node failure) via des méthodes d’apprentissage machine comme le AiOPs; la fouille des référentiels de logiciels modernes (p. ex. Git, DockerHub).