Contacta con nosotros

Temario del curso

Introducción a EXO y Clustering de IA Local

  • Visión general del marco EXO y el ecosistema exo-explore
  • Comparación entre inferencia centralizada en la nube e inferencia local distribuida
  • Arquitectura: descubrimiento de dispositivos libp2p, backend MLX, panel de control y capas de API
  • Requisitos de hardware: Apple Silicon (M3 Ultra, M4 Pro/Max), Thunderbolt 5, almacenamiento compartido

Instalación de EXO en macOS

  • Configuración de Xcode, Metal Toolchain y prerequisitos de macOS
  • Instalación de uv, Node.js y Rust toolchain nightly
  • Instalación del fork pinhead macmon para la monitorización de Apple Silicon
  • Clonar el repositorio y construir el panel de control con npm
  • Ejecutar EXO desde el código fuente y verificar el panel en localhost:52415

Instalación de EXO en Linux

  • Instalación de dependencias mediante apt o Homebrew en Linux
  • Configuración de uv, Node.js 18+ y Rust nightly
  • Construcción del panel de control y ejecución de EXO en modo solo CPU
  • Estructura de directorios: rutas XDG Base Directory para configuración, datos, caché y registros

Descubrimiento Automático de Dispositivos y Formación del Cluster

  • Comprensión del auto-descubrimiento basado en libp2p a través de redes locales
  • Configuración de namespaces personalizados con EXO_LIBP2P_NAMESPACE para el aislamiento del cluster
  • Verificación de la membresía del nodo en la vista del cluster del panel de control
  • Gestión de fallos de descubrimiento y problemas de segmentación de red

Habilitación de RDMA sobre Thunderbolt 5

  • Arquitectura RDMA y la afirmación de reducción del 99 por ciento en latencia
  • Habilitación de RDMA en el modo de recuperación de macOS con rdma_ctl
  • Requisitos de cables y restricciones de topología de puertos en Mac Studio
  • Concordancia de versiones de macOS entre todos los nodos del cluster
  • Solución de problemas de descubrimiento de RDMA y configuración DHCP

Despliegue de Modelos de Vanguardia

  • Uso del panel de control para cargar y fragmentar modelos DeepSeek v3.1, Qwen3-235B y la familia Llama
  • Vista previa de asignaciones de instancias con el punto final /instance/previews de la API
  • Creación de instancias de modelo con fragmentación por pipeline o paridad tensorial
  • Configuración de tarjetas de modelo personalizadas desde HuggingFace hub

Monitorización y Solución de Problemas

  • Lectura de registros EXO y comprensión del rastreo distribuido
  • Interpretación de la salud del cluster en la vista del cluster del panel de control
  • Diagnóstico de fallos en nodos trabajadores y comportamiento de reconexión
  • Uso de EXO_TRACING_ENABLED para el análisis de cuellos de botella de rendimiento

Mantenimiento y Actualización del Cluster

  • Actualización de binarios EXO y procedimientos de reconstrucción del panel de control
  • Migración de cachés de modelos y gestión de modelos descargados previamente sobre NFS
  • Eliminación ordenada de nodos y reequilibrio de cargas de trabajo

Requerimientos

  • Comprensión de los fundamentos de redes (IP, subnetting, firewalls)
  • Experiencia con la administración de línea de comandos en macOS o Linux
  • Familiaridad con la gestión de paquetes de Python (pip/uv) y herramientas de Node.js

Público Objetivo

  • Administradores de sistemas
  • Ingenieros DevOps
  • Arquitectos de infraestructura de IA responsables del despliegue de LLM on-premise
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas