الأبحاث المرتبطة بالكلمة المفتاحية: ديف أوبس
-
تقنيات الذكاء الاصطناعي في دورة حياة الخدمات الصغيرة: دراسة رسم خرائط منهجية AI Techniques in the Microservices Life-Cycle: a Systematic Mapping Study
2026 | المؤلف: Sergio Moreschini وآخرون | المجلة: Computing | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)تدرس دراسة التخطيط المنهجي ال في هذه الورقة دمج الذكاء الاصطناعي (AI) ضمن الخدمات الصغيرة (MSs) طوال دورة حياة DevOps. من خلال تحليل 269 دراسة أولية، يحدد المؤلفون 16 موضوع بحثي متميز يربط بين تقنيات الذكاء الاصطناعي المختلفة وسمات جودة البرمجيات (QAs) ومراحل DevOps. تكشف النتائج أنه بينما يعد مجال التطبيق الرئيسي للذكاء الاصطناعي في…
-
الشبكات المفتوحة الأصلية للذكاء الاصطناعي للشبكات غير الأرضية: نظرة عامة
2026 | المؤلف: Jiaqi Deng وآخرون | المجلة: IEEE Open Journal of the Communications Society | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)تقدم هذه القسم نظرة عامة على دور الشبكات غير الأرضية (NTN) في سياق الشبكات من الجيل السادس (6G)، مع التأكيد على قدرتها على تقديم خدمات شاملة وتحسين مرونة الشبكة. ومع ذلك، فإن خصائص الحركة والارتفاع العالي للشبكات غير الأرضية تقدم تحديات كبيرة طوال دورة تطوير العمليات (DevOps). يُقترح دمج الشبكات غير الأرضية مع شبكة الوصول…
-
التنبؤ بالمخاطر في الوقت الحقيقي في DevOps بدون خادم: نهج التعلم الشامل
2024 | المؤلف: Venkata Krishna Bharadwaj Parasaram | المجلة: International Journal of Humanities and Information Technology | المجال: نظم المعلومات والإدارة (Information Systems and Management)تقدم ورقة البحث نظام تعلم ميتا جديد مصمم لتعزيز إدارة المخاطر في خطوط أنابيب DevOps بدون خادم، مع معالجة التحديات التي تطرحها الطبيعة المجردة والديناميكية للهياكل بدون خادم. استراتيجيات إدارة المخاطر التقليدية غير كافية لمتطلبات الوقت الحقيقي والسلوكيات غير المتوقعة لهذه البيئات. يستخدم النظام المقترح طرق التعلم القليل، مما يسمح له بالتكيف بسرعة مع المخاطر…