Temario del curso
Fundamentos del despliegue de IA híbrida
- Comprensión de los modelos de despliegue híbrido, en la nube y en el borde
- Características de las cargas de trabajo de IA y restricciones de la infraestructura
- Elegir la topología de despliegue adecuada
Contenerización de cargas de trabajo de IA con Docker
- Construcción de contenedores de inferencia para GPU y CPU
- Gestión de imágenes y registros seguros
- Implementación de entornos reproducibles para IA
Despliegue de servicios de IA en entornos de nube
- Ejecución de inferencia en AWS, Azure y GCP mediante Docker
- Provisionamiento de capacidad de procesamiento en la nube para el servicio de modelos
- Seguridad de los extremos (endpoints) de IA basados en la nube
Técnicas de despliegue en el borde y on-premise
- Ejecución de IA en dispositivos IoT, pasarelas y microservidores
- Runtimes ligeros para entornos de borde
- Gestión de conectividad intermitente y persistencia local
Redes híbridas y conectividad segura
- Tunelado seguro entre el borde y la nube
- Certificados, secretos y acceso basado en tokens
- Ajuste de rendimiento para inferencia de baja latencia
Orquestación de despliegues de IA distribuidos
- Uso de K3s, K8s u orquestación ligera para configuraciones híbridas
- Descubrimiento de servicios y programación de cargas de trabajo
- Automatización de estrategias de despliegue multiubicación
Monitoreo y observabilidad en todos los entornos
- Rastreo del rendimiento de la inferencia en todas las ubicaciones
- Registro centralizado para sistemas de IA híbrida
- Detección de fallos y recuperación automatizada
Escalado y optimización de sistemas de IA híbrida
- Escalado de clústeres de borde y nodos de nube
- Optimización del uso del ancho de banda y del caché
- Equilibrado de cargas de procesamiento entre la nube y el borde
Resumen y próximos pasos
Requerimientos
- Conocimiento de los conceptos de contenerización
- Experiencia con operaciones en la línea de comandos de Linux
- Familiaridad con los flujos de trabajo de despliegue de modelos de IA
Audiencia objetivo
- Arquitectos de infraestructura
- Ingenieros de confiabilidad del sitio (SREs)
- Desarrolladores de borde e IoT
Reseñas (3)
Cómo los formadores transmiten el conocimiento de manera efectiva
Vu Thoai Le - Reply Polska sp. z o. o.
Curso - Certified Kubernetes Administrator (CKA) - exam preparation
Traducción Automática
el formador tenía mucho conocimiento y paciencia para compartir con nosotros
Bogdan Olaru
Curso - Introduction to Docker
Traducción Automática
El conocimiento y los intercambios con Augustin
Laurent - L'Office national des vacances annuelles (ONVA)
Curso - Docker and Kubernetes
Traducción Automática