Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie do operacji Kubernetes wzbogaconych o AI

  • Dlaczego AI ma znaczenie dla współczesnych operacji klastra
  • Ograniczenia tradycyjnej logiki skalowania i harmonogramowania
  • Kluczowe pojęcia ML w zarządzaniu zasobami

Fundamenty zarządzania zasobami Kubernetes

  • Podstawy przydziału CPU, GPU i pamięci
  • Rozumienie limitów, ograniczeń i żądań
  • Identyfikacja wąskich gardeł i nieskuteczności

Podejścia uczenia maszynowego do harmonogramowania

  • Modele nadzorowane i nienadzorowane do rozmieszczania obciążeń
  • Algorytmy predykcyjne dla zapotrzebowania na zasoby
  • Wykorzystanie cech ML w niestandardowych harmonogramistach

Uczenie z wzmacnianiem dla inteligentnego autoskalowania

  • Jak agenci RL uczą się z zachowania klastra
  • Projektowanie funkcji nagrody dla efektywności
  • Tworzenie strategii autoskalowania opartych o RL

Przewidywalne autoskalowanie z metrykami i telemetrią

  • Wykorzystanie danych z Prometheus do prognozowania
  • Zastosowanie modeli szeregów czasowych do autoskalowania
  • Ewaluacja dokładności prognoz i strojenie modeli

Implementacja narzędzi optymalizacyjnych napędzanych AI

  • Integracja frameworków ML z kontrolerami Kubernetes
  • Wdrażanie inteligentnych pętli sterowania
  • Rozszerzanie KEDA o wspierane przez AI podejmowanie decyzji

Strategie optymalizacji kosztów i wydajności

  • Zmniejszanie kosztów obliczeniowych poprzez przewidywalne skalowanie
  • Polepszenie wykorzystania GPU dzięki rozmieszczaniu opartemu o ML
  • Balansowanie opóźnień, przepustowości i efektywności

Praktyczne scenariusze i rzeczywiste zastosowania

  • Autoskalowanie aplikacji o dużym obciążeniu z pomocą AI
  • Optymalizacja niejednorodnych puli węzłów
  • Zastosowanie ML w środowiskach wielodzierżawczych

Podsumowanie i kolejne kroki

Wymagania

  • Znajomość podstaw Kubernetes
  • Doświadczenie w wdrażaniu aplikacji konteneryzowanych
  • Znajomość operacji klastra i zarządzania zasobami

Grupa docelowa

  • Specjaliści SRE pracujący z dużymi rozproszonymi systemami
  • Operatorzy Kubernetes zarządzający obciążeniami o wysokim zapotrzebowaniu
  • Inżynierowie platformy optymalizujący infrastrukturę obliczeniową
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (4)

Propozycje terminów

Powiązane Kategorie