Kurs DevOps Engineer

1. Wprowadzenie do Continuous Integration/Delivery (CI/CD)
   • Cykl rozwijania oprogramowania
   • Porównanie alternatywnych podejść: chmura kontra rozwiązania własne (on-premises)
   • Ciągłe budowanie / integracja (continuous building / integration)
   • Ciągła inspekcja (continuous inspection)
   • Ciągłe wdrażanie (continuous deployment)
   • Możliwe miejsca i sposoby wykorzystania sztucznej inteligencji w procesie CI/CD – dyskusja
2. Git – rozproszony system kontroli wersji
   • Konfiguracja
   • Podstawowe komendy
   • Praca na gałęziach
   • Zdalne repozytoria i praca z nimi
   • Zaawansowane komendy (reset, merge, revert)
3. Dostawcy repozytoriów zdalnych Git
   • GitHub oraz Gitlab — podstawowe funkcjonalności i konfiguracja
   • Pipeline na przykładzie GitHub Actions lub GitLab CI — wprowadzenie, przykłady konfiguracji
4. Wykorzystanie narzędzi AI do pracy z Git i repozytoriami kodu
   • Sugerowanie i wyjaśnianie poleceń Git
   • Analiza różnic (diff) i wykorzystanie do generowania opisów (commitów, pull-requestów)
   • Pomoc w generowaniu skryptów akcji / pipeline’ów
5. Testowanie oprogramowania i jego rola w procesach CI/CD
   • Ręczne i automatyczne testowanie wersji aplikacji
   • Testy jednostkowe, integracyjne, funkcjonalne, wydajnościowe
   • Testy w Selenium/Puppeteer — wprowadzenie
   • Przykładowe testy jednostkowe w Pythonie
   • LAB: Przygotowanie scenariusza testowego
   • Generowanie testów za pomocą AI
6. Serwer automatyzacyjny Jenkins
   • Wprowadzenie — cel, architektura, zasada działania
   • Budowa typowego projektu
   • Jenkinsfile — konfiguracja przy użyciu kodu
   • Generowanie Jenkinsfile z wykorzystaniem AI
   • Instalowanie i używanie pluginów
   • Dodawanie i używanie kluczy oraz haseł
   • Praca z agentami
   • Integracja narzędzi do testowania z serwerem Jenkins
   • LAB: uruchamianie testów oraz deploy aplikacji w zależności od wyniku testów
7. Ansible
   • IAAC — Infrastructure as a Code: znaczenie i rola
   • Podstawowe pojęcia oraz elementy
   • Instalacja oraz konfiguracja
   • Inventory
   • Wykonywanie komend na wielu serwerach jednocześnie
   • Prosty przykładowy playbook
   • Wprowadzenie do ról
   • Instalowanie oraz używanie pluginów
   • Tworzenie zaawansowanych ról
   • Bazowanie na faktach
   • Narzędzia AI w pracy z Ansilble, w tym generowanie, analiza, wyjaśnianie i poprawianie playbooków
8. Docker
   • Podstawowe komendy oraz zarządzanie kontenerami
   • Sieci
   • Wolumeny
   • Dockerfile — tworzenie, budowanie obrazu, ENTRYPOINT i CMD
   • LAB: budowa kontenera na bazie prostej aplikacji
   • Docker registry
   • Docker compose
   • Pomoc AI w przygotowaniu poleceń, Dockerfile i plików konfiguracyjnych
9. Kubernetes
   • Wprowadzenie — historia, podstawowe koncepcje, architektura
   • Podstawowe komponenty: Pod, Node, Cluster
   • Instalacja — różne metody, minidystrybucje K8s
   • Podstawowe operacje: tworzenie Podów, skalowanie, aktualizacje, roll-backi
   • Networking — Service, Ingress, Network Policies
   • Storage — Persistent Volumes, Storage Classes
   • Helm — zarządzanie aplikacjami w Kubernetes
   • Wykorzystanie sztucznej inteligencji w przygotowaniu konfiguracji K8s i powiązanych narzędzi
   • Praktyczne ćwiczenia: instalacja, konfiguracja sieci, zarządzanie danymi, tworzenie zasobów
10. Monitoring i logowanie
    • Prometheus, Grafana oraz Alertmanager — wprowadzenie, konfiguracja, Service Discovery
    • Zarządzanie logami
    • Agregator logów — logowanie w formacie JSON, ELK, Grafana Loki
    • Chmurowe rozwiązania AKS, EKS, GKS
    • Praktyczne ćwiczenie: Implementacja monitoringu
11. AWS
    • Wprowadzenie do cloud — rodzaje i najpopularniejsi dostawcy
    • AWS — pierwsze kroki, konsola zarządzania, gotowe konfiguracje
    • Podstawowe usługi chmurowe: serwery wirtualne, managed services, storage, VPC
    • Regiony oraz Availability Zones
    • Zarządzanie budżetem
    • IAM – Zarządzanie użytkownikami, politykami oraz uprawnieniami
    • Usługi EC2, S3, ALB oraz ECR
    • Korzystanie z AWS CLI
12. Terraform
    • HCL — Hashicorp Configuration Language
    • Instalacja oraz konfiguracja
    • Podstawowe komendy
    • Dostawcy oraz zasoby
    • tfstate — znaczenie i rola
    • Provisioner — zasada działania, przykłady zastosowania
    • Zmienne i Output
    • LAB: uruchomienie usług i konfiguracja z pomocą Ansible
    • LAB: Terraform i Jenkins
13. AI w pracy inżyniera DevOps
    • AI do analizy logów i anomalii — narzędzia AIOps (przegląd)
    • Generowanie i optymalizacja konfiguracji Terraform i innych narzędzi z pomocą LLM
    • Chatboty operacyjne — integracja alertów z LLM (np. PagerDuty + AI)
    • Granice AI w DevOps — kiedy nie ufać generowanej konfiguracji

Pobierz szczegółowy program kursu